Jenis dan Sumber Data Metode Pengumpulan Data Gambaran Umum Kesimpulan

51 5 INAI PT. Indal Aluminium Industry Tbk 6 JPRS PT. Jaya Pari Steel Tbk 7 AUTO PT. Astra Otoparts Tbk 8 BRAM PT. Indo Kordsa Tbk 9 GJTL PT. Gajah Tunggal Tbk 10 MASA PT. Multistrada Arahsarana Tbk 11 ADMG PT. Polychem Indonesia Tbk 12 ESTI PT. Ever Shine Tex Tbk 13 MYTX PT. Asia Pasific Investema Tbk 14 BIMA PT. Primarindo Asia Infrastructure Tbk 15 JECC PT. Jembo Cable Company Tbk 16 DLTA PT. Delta Djakarta Tbk 17 MLBI PT. Multi Bintang Indonesia Tbk 18 HMSP PT. HM Sampoerna Tbk 19 RMBA PT. Bentoel International Investama Tbk 20 DVLA PT. Darya-Varia Laboratoria Tbk 21 INAF PT. Indofarma Tbk 22 TCID PT. Mandom Indonesia Tbk 23 UNVR PT. Unilever Indonesia Tbk 24 KDSI PT. Kedawung Setia Industrial Tbk 25 LMPI PT. Langgeng Makmur Industri Tbk Berdasarkan data diatas maka diperoleh 25 sampel lampiran 1 dan penelitian dilakukan selama tiga tahun, mulai dari tahun 2012-2014.

3.3. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu berupa laporan tahunan annual report dan laporan keuangan perusahaan non financial tahun 2012-2014. Data sekunder yang diperlukan dalam penelitian ini yaitu RMC dalam perusahaan, keahlian akuntansi dan keuangan Komite Audit, ukuran Komite Audit, frekuensi rapat Komite Audit, risiko pelaporan keuangan, Universitas Sumatera Utara 52 kompensasi Dewan Direksi dan Dewan Komisaris. Data yang diperoleh berasal dari publikasi laporan tahunan dan website resmi BEI http:www.idx.co.id, serta website resmi perusahaan.

3.4. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan adalah metode dokumentasi. Metode dokumentasi dilakukan dengan mengumpulkan seluruh data sekunder berupa annual report perusahaan non financial yang diperoleh dari situs resmi BEI.

3.5. Metode Analisis

Metode analisis penelitian ini untuk menguji hipotesis dan menginterpretasikan atas perolehan data. Dalam penelitian ini menggunakan teknik analisis menggunakan logistic regression sesuai dengan kerangka penelitian sebelumnya. Pada dasarnya logistic regression sama dengan analisis diskriminan; perbedaan ada pada jenis data dari variabel dependen Santoso, 2010:206 dalam Yusrianti, 2012.

3.5.1. Analisis Dekripsi Variabel Penelitian

Statistik deskripsi 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, 2011. Analisis statistika deskriptif ini memiliki tujuan untuk memberikan gambaran Universitas Sumatera Utara 53 deskripsi mengenai suatu data agar data yang tersaji menjadi mudah dipahami dan informatif bagi orang yang membacanya.

3.5.2. Persamaan Logistic Regression

Penelitian ini menggunakan alat analisis regresi logistik. Regresi logistik tidak memerlukan uji normalitas pada variabel bebasnya karena variabel bebas merupakan campuran antara varibel kontinyu metrik dan katagorial non-metrik Ghozali, 2011. Penelitian ini menggunakan regresi logistik karena variabel terikatnya merupakan dummy, yaitu RMC yang terpisah dengan Komite Audit di perusahaan atau RMC yang tergabung dengan Komite Audit di perusahaan. Model regresi berikut ini digunakan untuk menguji hubungan antara Komite Manajemen Risiko dan karakteristik Komite Audit, karakteristik perusahaan, serta kompensasi Dewan Direksi dan Dewan Komisaris. RMC = a + b1 AC Expertise + b2 AC Size + b3 AC Diligence + b4 FINREP + b5 Comp + e Keterangan: a : Konstanta b : Koefisien Regresi RMC : Risk Management Committee ACExp : Keahlian Akuntansi dan Keuangan Komite Audit ACSize : Ukuran Komite Audit ACDilig : Frekuensi Rapat Komite Audit FINREP : Risiko Pelaporan Keuangan Universitas Sumatera Utara 54 Comp : Kompensasi Dewan Direksi dan Dewan Komisaris e : Error Langkah analisis pengujian model Regresi logistik adalah sebagai berikut:

3.5.2.1. Uji kelayakan Model Goodness of fit test

Penilaian model regresi logistik dapat dilihat dari pengujian Hosmer and Lemeshow’sGoodnessof Fit Test yang menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit. Jika nilai probabilitas sig. pada uji Hosmer and Lemeshow’sof FitGoodnesTestsamadengan atau kurang dari 0,05 maka hipotesis nol ditolak, sedangkan jika nilainya lebih besar dari 0,05 maka hipotesis nol diterima dan berarti model mampu memprediksi 56 nilai observasinya atau dapat dikatakan model diterima karena sesuai dengan data observasinya Ghozali, 2011. H0 : Model yang dihipotesiskan fit dengan data HA : Model yang dihipotesiskan tidak fit dengan data

3.5.2.2. Uji Kelayakan Keseluruhan Model Overall Fit Model Test

Dalam menilai overall fit model dapat dilakukan dengan beberapa cara yaitu:

3.5.2.2.1. Cox and Snell’s dan Nagelkerek RS quare’s R square

Cox dan Snell’smerupakan ukuran RS quare yang mencoba meniru ukuran R square pada multiple regression yang didasarkan pada teknik estimasi Universitas Sumatera Utara 55 likelihood dengan nilai maksimum kurang dari 1 sehingga sulit diinterpretasikan. Untuk mendapatkan koefisien determinasi yang dapat diinterpretasikan seperti nilai R2 pada multiple regression, maka digunakan Nagelkereke R square. Nagelkereke R square merupakan modifikasi dari koefisien Cox and Snell R square untuk memastikan bahwa nilainya bervariasi dari 0 sampai 1. Hal ini dilakukan dengan cara membagi nilai Cox and Snell R square dengan nilai maksimumnya Ghozali, 2011. Koefisien Determinasi R2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variabel terikat Ghozali, 2011. Nilai koefisien determinasi adalah antara nol antara satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel bebas dalam menjelaskan variasi variabel terikat amat terbatas. Nilai yang mendekati satu berarti variabel bebas memberikan hampir semua informasi yang dubutuhkan untuk memprediksi variasi variabel terikat. Dalam regresi logistik menguji R2 menggunakan uji Cox Snell dan Nagelkerke Ghozali, 2011.

3.5.2.2.2. Model Klasifikasi

Model klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan adanya RMC di suatu perusahaan. Pada kolom dari tabel klasifikasi merupakan dua nilai prediksi dari variabel bebas dalam hal ini yang RMC terpisah 1 dan yang RMC tergabung 0, sedangkan pada baris dalam matriks klasifikasi menunjukkan nilai observasi sesungguhnya dari variabel bebas dimana RMC terpisah 1 dan RMC tergabung 0. Pada model yang Universitas Sumatera Utara 56 sempurna, maka semua kasus akan berada pada diagonal dengan tingkat ketepatan peramalan 100.

3.5.2.3. Uji Hipotesis

Pengujian hipotesis dilakukan untuk menguji pengaruh semua variabel bebas yang dimasukkan dalam model terhadap RMC. Pengujian hipotesis dilakukan dengan menggunakan p-value probability value. 1. Tingkat signifikansi α yang digunakan. 2. Kriteria penerimaan dan penolakan hipotesis didasarkan pada signifikansi p-value. Jika p- value signifikan α maka alternatif hipotesis ditolak. Sebaliknya jika p- value α maka alternatif hipotesis diterima. Universitas Sumatera Utara 57 BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum

Populasi dalam penelitian ini adalah perusahaan industri non financial yang terdiri atas perusahaan manufaktur pada sektor dasar kimia semen, logam, sektor aneka industri otomotif komponen, tekstil garment, alas kaki, kabel, sektor industri barang konsumsi makanan minuman, rokok, farmasi, kosmetik barang keperluan rumah tangga, peralatan rumah tangga yang listing di Bursa Efek Indonesia selama periode 2012-2014. Penelitian ini menggunakan data sekunder berupa annual report perusahaan industri non financial periode 2012-2014 yang diperoleh dari situs resmi BEI di www.idx.co.id. Populasi dalam penelitian ini diperoleh dengan jumlah perusahaan sebanyak 136 perusahaan. Sedangkan sampel data yang memenuhi kriteria yang dapat digunakan dalam penelitian ini sebanyak 25 perusahaan dari 136 perusahaan yang terdaftar di Bursa Efek Indonesia dari tahun 2012-2014. Sehingga, jumlah keseluruhan sampel yang akan dijadikan objek penelitian ini dari tahun 2012-2014 sejumlah 25 annual report perusahaan.

4.2 Hasil Penelitian 4 .2.1 Statistik Deskriptif

Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data yang menggambarkan karakteristik sampel yang digunakan dalam penelitian ini. Universitas Sumatera Utara 58 Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata mean, dan nilai standar deviasi, dari variabel keahlian akuntansi dan keuangan KAK, ukuran komite audit UKA, frekuensi rapat komite audit FRKA, resiko pelaporan keuangan RPK, kompensasi dewan direksi dan dewan komisaris KDDK dan komite manajemen resiko RMC. Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut: Tabel 4.1 Statistik Deskriptif Sumber : Data diolah penulis, 2016 Berdasarkan Tabel 4.1, diketahui nilai keahlian akuntansi dan keuangan minimum adalah 1, sedangkan nilai keahlian akuntansi dan keuangan maksimum adalah 4. Diketahui nilai rata-rata mean keahlian akuntansi dan keuangan dari tahun 2012-2014 adalah 2,52, dan standar deviasinya adalah 0,872. Diketahui nilai ukuran komite audit minimum adalah 2, sedangkan nilai ukuran komite audit maksimum adalah 10. Diketahui nilai rata-rata mean ukuran komite audit dari tahun 2012-2014 adalah 4,92, dan standar deviasinya adalah 1,869. Diketahui nilai frekuensi rapat komite audit minimum adalah 2, sedangkan nilai frekuensi Universitas Sumatera Utara 59 rapat komite audit maksimum adalah 10. Diketahui nilai rata-rata mean frekuensi rapat komite audit adalah 5,08 dan standar deviasinya adalah 1,913. Nilai resiko pelaporan keuangan minimum adalah 37 sedangkan nilai maksimum dari resiko pelaporan keuangan adalah 67. Diketahui nilai rata-rata mean resiko pelaporan keuangan adalah 46,56 dan standar deviasinya adalah 9,251. Nilai minimum dari kompensasi dewan direksi dan dewan komisaris adalah 18,53 sedangkan nilai maksimum dari kompensasi dewan direksi dan dewan komisaris adalah 22,91. Diketahui nilai rata-rata mean kompensasi dewan direksi dan dewan komisaris adalah 21,1740 dan standar deviasinya adalah 1,30350.

4.2.2 Logistic Regression Regresi Logistik

Penelitian ini menggunakan alat uji regresi logistik melalui program SPSS versi 20.0 yang dilakukan secara serentak terhadap keempat variabel independen dalam penelitian. Pengujian regresi logistik tidak memerlukan uji normalitas pada variabel independennya. Penelitian untuk menguji hipotesis dengan menggunakan regresi logistik tidak memerlukan uji asumsi klasik. Pengujian hipotesis yang dilakukan pertama kali dalam regresi logistik adalah dengan menilai kelayakan model fit Goodness of Fit Test yang merupakan uji pengganti dari asumsi klasik.

4.2.2.1 Uji Kelayakan Model Regresi Goodness of Fit Test

Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur berdasarkan nilai Chi- Square pada Tabel Hosmer and Lemeshow Test Tabel 4.2. Universitas Sumatera Utara 60 Tabel 4.2 Hosmer and Lemeshow Test Sumber : Data diolah peneliti, 2016 Berdasarkan Tabel 4.2, diketahui nilai statistik Chi-Square adalah 0,397 Diketahui nilai Chi-Square tabel bernilai 12,591. Untuk menentukan apakah model layak atau tidak, maka dapat diketahui dengan membandingkan nilai statistik Chi-square terhadap Chi- Square Tabel. ���� �������−�����ℎ�� 2 ≤ ������� 2 , ���� ����� �����. ���� �������−�����ℎ�� 2 ������� 2 , ���� ����� ������ �����. Perhatikan bahwa karena nilai statistik Chi-Square 0,0,97 lebih kecil dibandingkan nilai Chi-Square Tabel 12,591, maka disimpulkan bahwa model cukup layak dalam mencocokkanfit data. Untuk menentukan apakah model layak atau tidak, juga dapat diketahui dengan membandingkan nilai probabilitas dari uji Hosmer- LemeshowPearson Chi-square terhadap tingkat signifikansi yang digunakan. ���� ����� ������������ ≥ ������� ������������, ���� ����� �����. ���� ����� ������������ ������� ������������, ���� ����� ������ �����. Berdasarkan Tabel 4.2, diketahui nilai probabilitas atau Sig. sebesar 0,999. Perhatikan bahwa karena nilai probabilitas 0,999 lebih besar dibandingkan tingkat signifikansi 0,05, maka disimpulkan bahwa model cukup layak dalam mencocokkanfit data. Universitas Sumatera Utara 61

4.2.2.2 Uji Kelayakan Keseluruhan Model Overall Fit Model

Uji ini digunakan untuk melihat model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian dilakukan dengan membandingkan nilai antara -2 log likelihood pada awal block number = 0 dengan nilai -2 log likelihood pada akhir block number = 1. Nilai - 2log likelihood awal pada block number = 0, dapat ditunjukkan melalui tabel berikut ini Tabel 4.3. Tabel 4.3 Nilai -2 Log likelihood -2 LL Awal Sumber : Data diolah peneliti, 2016 Nilai -2 log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.4. Dari Tabel 4.3 dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan konstanta yang dapat dilihat pada step 4, memperoleh nilai sebesar 27,554. Kemudian pada Tabel 4.4 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2log likelihood pada step 1 iterasi 10 adalah 8,334. Adanya penurunan nilai antara -2LL awal initial-2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006. Penurunan Universitas Sumatera Utara 62 nilai -2 log likelihood menunjukkan bahwa model penelitian ini dinyatakan fit, artinya penambahan-penambahan variabel bebas yaitu keahlian akuntansi dan keuangan X1, ukuran komite audit X2, frekuensi rapat komite audit X3, resiko pelaporan keuangan X4, kompensasi dewan direksi dan dewan komisaris X5, ke dalam model penelitian akan memperbaiki model fit dalam penelitian ini. Tabel 4.4 Nilai -2 Log likelihood -2 LL Akhir Sumber : Data diolah peneliti, 2016

4.2.2.3 Koefisien Determinasi

� � Dalam regresi logistik, dapat digunakan statistik Nagelkerke’s �� 2 untuk mengukur kemampuan model regresi logistik dalam mencocokkan atau menyesuaikan data. Dengan kata lain, nilai statistik dari Nagelkerke’s �� 2 dapat diinterpretasikan sebagai suatu nilai yang mengukur kemampuan variabel-variabel Universitas Sumatera Utara 63 bebas dalam menjelaskan atau menerangkan variabel tak bebas. Tabel 4.5 menyajikan nilai statistik dari Nagelkerke’s �� 2 . Tabel 4.5 Nagelkerke R Square Sumber : Data diolah peneliti, 2016 Berdasarkan Tabel 4.5 nilai statistik Nagelkerke R Square 0,803. Nilai tersebut diinterpretasikan sebagai kemampuan variabel keahlian akuntansi dan keuangan X1, ukuran komite audit X2, frekuensi rapat komite audit X3, resiko pelaporan keuangan X4, kompensasi dewan direksi dan dewan komisaris X5 sebesar 80,3, sisanya 19,7 dijelaskan oleh variabel atau faktor-faktor lain.

4.2.2.4 Tabel Klasifikasi

Nilai tabel klasifikasi akan memperlihatkan besarnya prediksi model regresi untuk memprediksikan kemungkinan keberadaan komite manajemen resiko pada perusahaan. Nilai prediksi tersebut dapat dilihat pada percentage correct dalam classification table. Hasil output SPSS regresi logistik akan ditunjukkan dalam Tabel 4.6. Universitas Sumatera Utara 64 Tabel 4.6 Matriks Klasifikasi Sumber : Data diolah peneliti, 2016 Berdasarkan Tabel 4.6 diketahui perusahaan RMC yang tergabung dalam komite audit sebanyak 6 perusahaan. Dari 6 perusahaan tersebut, diprediksi 5 83,3 perusahaan RMC yang tergabung dalam komite audit sedangkan 1 perusahaan RMC diprediksi terpisah dengan komite audit. Diketahui perusahaan RMC yang terpisah dengan komite audit sebanyak 19 perusahaan. Dari 19 perusahaan tersebut, diprediksi 1 94,7 perusahaan RMC terpisah dengan komite audit, sedangkan 18 perusahaan RMC diprediksi tergabung dengan komite audit. Diketahui angka ketepatan prediksi sebesar 92, hal ini menandakan tingkat keakuratan model regresi logistik dalam memprediksi sebesar 92, berdasarkan data penelitian

4.2.2.5 Uji Multikolinearitas

Regresi yang baik a dalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Multikolinearitas merupakan situasi adanya korelasi antar variabel-variabel independen yang satu dengan yang lainnya. Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antara Universitas Sumatera Utara 65 variabel yang terdapat dalam matriks korelasi. Hasil uji gejala multikolinearitas ndisajikan pada Tabel 4.7. Tabel 4.7 Uji Multikolinearitas dengan Matriks Korelasi Sumber : Data diolah peneliti, 2016 Berdasarkan Tabel 4.7 dapat dilihat bahwa korelasi antar keahlian akuntansi dan keuangan X1 dan ukuran komite audit X2 sebesar -0.543, korelasi antar antara keahlian akuntansi dan keuangan X1 dan frekuensi rapat komite audit X3 sebesar -0,707, korelasi antar antara keahlian akuntansi dan keuangan X1 dan resiko pelaporan keuangan X4 sebesar -0,835, korelasi antar resiko pelaporan keuangan X4 dan kompensasi dewan direksi dan dewan komisaris X5 sebesar 0,523 dan seterusnya. Dari hasil pengujian pada Tabel 4.7 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas antar variabel independen. Gejala multikolinearitas terjadi apabila nilai korelasi antar variabel independen lebih besar dari 0,90 Ghozali, 2006. Berdasarkan hasil ini dapat disimpulkan bahwa lolos dari uji gejala multikolinieritas. Universitas Sumatera Utara 66 4.2.3 Uji Hiptesis 4.2.3.1 Uji f-Statistik Tabel Omnibus Tests of Model Coefficients Tabel 4.8 berfungsi untuk melihat hasil pengujian secara simultan pada regresi logistik, yakni melihat pengaruh variabel bebas independen secara bersama-sama simultaneously terhadap variabel dependen. Berdasarkan Tabel 4.8 diperoleh nilai probabilitas Sig. 0,002. Karena nilai probabilitas 0,002 lebih kecil dari 0,05, maka disimpulkan bahwa variabel bebas yang digunakan secara bersama-sama berpengaruh signifikan secara statistik, terhadap komite manajemen resiko RMC. Tabel 4.8 Uji Signifikansi Model secara Simultan Sumber : Data diolah peneliti, 2016

4.2.3.2 Uji t-Statistik

Berdasarkan regresi linear, baik sederhana maupun berganda, uji � digunakan untuk menguji signifikansi dari pengaruh parsial. Pada regresi logistik, uji signifikansi pengaruh parsial dapat diuji dengan uji Wald. Dalam uji Wald, statistik yang diuji adalah statistik Wald Wald statistic. Nilai statistik dari uji Wald berdistribusi chikuadrat. Pengambilan keputusan terhadap hipotesis dapat Universitas Sumatera Utara 67 dilakukan dengan menggunakan pendekatan nilai probabilitas dari uji Wald. Berikut aturan pengambilan keputusan berdasarkan pendekatan nilai probabilitas. ���� ����� ����������� ≥ ������� ������������, � �������� ��� � 1 �������. ���� ����� ����������� ������� ������������, � ������� ��� � 1 ��������. Tabel 4.9 Uji Signifikansi Pengaruh Parsial Sumber : Data diolah peneliti, 2016 H1 : Keahlian Akuntansi dan Keuangan Komite Audit berpengaruh positif terhadap Risk Management Committee RMC Berdasarkan Tabel 4.9, nilai probabilitas Sig. dari Keahlian Akuntansi dan Keuangan Komite Audit X1 adalah 0,093, yakni lebih besar dari 0,05, maka Keahlian Akuntansi dan Keuangan Komite Audit tidak berpengaruh signifikan tidak signifikan secara statistika terhadap risk management committee, pada tingkat signifikansi 5. H2 : Ukuran Komite Audit berpengaruh positif terhadap Risk Management Committee RMC Berdasarkan Tabel 4.9, nilai probabilitas Sig. dari Ukuran Komite Audit X2 adalah 0,230, yakni lebih besar dari 0,05, maka ukuran komite audit Universitas Sumatera Utara 68 tidak berpengaruh signifikan terhadap risk management committee, pada tingkat signifikansi 5. H3 : Frekuensi Rapat Komite Audit berpengaruh positif terhadap Risk Committee RMC Berdasarkan Tabel 4.9, nilai probabilitas Sig. dari frekuensi rapat komite audit X3 adalah 0,408, yakni lebih besar dari 0,05, maka ukuran komite audit tidak berpengaruh signifikan terhadap risk management committee, pada tingkat signifikansi 5. H4 : Risiko pelaporan keuangan berpengaruh positif terhadap Risk Management Committee RMC. Berdasarkan Tabel 4.9, nilai probabilitas Sig. dari risiko pelaporan keuangan X4 adalah 0,373, yakni lebih besar dari 0,05, maka ukuran komite audit tidak berpengaruh signifikan terhadap risk management committee, pada tingkat signifikansi 5. H5 : Kompensasi Dewan Direksi dan Dewan Komisaris berpengaruh positif terhadap Risk Management Committee RMC Berdasarkan Tabel 4.9, nilai probabilitas Sig. dari kompensasi dewan direksi dan dewan komisaris X5 adalah 0,157, yakni lebih besar dari 0,05, maka ukuran komite audit tidak berpengaruh signifikan terhadap risk management committee, pada tingkat signifikansi 5.

4.3 Pembahasan

Dalam penelitian ini akan membahas tentang pengaruh keahlian akuntansi dan keuangan X1, ukuran komite audit X2, frekuensi rapat komite Universitas Sumatera Utara 69 audit X3, resiko pelaporan keuangan X4, kompensasi dewan direksi dan dewan komisaris X5 terhadap keberadaan Risk Management Committee RMC Penelitian ini menggunakan metode purposive sampling sehingga didapatkan 25 sampel yang digunakan. Berdasarkan pengujian yang telah dilakukan dapat diketahui bahwa RMC secara signifikan hanya berhubungan positif dengan variabel komisaris independen. Pembahasan mengenai masing-masing variabel akan dijelaskan sebagai berikut :

4.3.1 Pengaruh Keahlian Akuntansi Dan Keuangan Terhadap Keberadaan Risk Management Committee RMC

Variabel keahlian akuntansi dan keuangan menunjukkan hasil nilai signifikansi 0,093 dengan koefisien 12,894. Hasil tersebut berarti keahlian akuntansi dan keuangan berpengaruh positif tidak signifikan terhadap keberadaan Risk Management Committee. Kurangnya anggota Komite Audit yang memiliki keahlian akuntansi dan keuangan tidak akan mendukung adanya RMC karena dengan kemampuan di bidang akuntansi dan keuangan tersebut dimana anggota Komite Audit tersebut sadar akan risiko yang dihadapi perusahaan, maka anggota Komite Audit tidak hanya mengawasi proses pelaporan akuntansi dan keuangannya yang menjadi risiko keuangan perusahaan tetapi banyak jenis risiko lainnya misalnya risiko operasional, risiko strategis, risiko eksternalitas yang harus diawasi pelaksanaannya sehingga anggota Komite Audit mendukung adanya Komite Universitas Sumatera Utara 70 Manajemen Risiko agar pengawasan risiko dapat berjalan efektif dan sesuai tujuan perusahaan.

4.3.2 Pengaruh Ukuran Komite Audit terhadap Risk Management

Committee RMC Variabel ukuran komite audit menunjukkan hasil nilai signifikansi 0,230 dengan koefisien -2,273. Hasil tersebut berarti ukuran komite audit berpengaruh positif tidak signifikan terhadap keberadaan Risk Management Committee. Semakin kurangnya jumlah anggota Komite Audit tidak akan mendukung RMC karena jumlah anggota Komite Audit yang semakin banyak memiliki alternatif pengetahuan dan pemahaman yang banyak mengenai manajemen risiko dimana dengan pemahaman yang lebih mendalam akan membuat anggota Komite Audit tersebut mengetahui kekurangan pelaksanaan manajemen risiko oleh manajemen sehingga muncul rekomendasi atau saran kepada Dewan Komisaris dengan mendukung RMC. Pemantauan yang dilakukan RMC diharapkan akan semakin terfokus dan berbagai kekurangan tersebut bisa diselesaikan dengan lebih efektif.

4.3.3 Pengaruh Frekuensi Rapat Komite Audit terhadap Risk

Management Committee RMC Variabel frekuensi rapat komite audit menunjukkan hasil nilai signifikansi 0,408 dengan koefisien -2,190. Hasil tersebut berarti frekuensi rapat Universitas Sumatera Utara 71 komite audit berpengaruh negatif tidak signifikan terhadap keberadaan Risk Management Committee. Komite Audit yang kurang menunjukkan frekuensi rapat yang lebih besar tidak akan mendukung RMC karena dengan kurangnya rapat dilakukan Komite Audit akan diperoleh pengetahuan dan pemahaman yang buruk tentang manajemen risiko sehingga menurunkan efektifitas pemantauan Komite Audit terkait aktivitas manajemen risiko oleh manajemen.

4.3.4 Pengaruh Risiko Pelaporan Keuangan terhadap Risk

Management Committee RMC Variabel risiko pelaporan keuangan menunjukkan hasil nilai signifikansi 0,373 dengan koefisien -0,227. Hasil tersebut berarti risiko pelaporan keuangan berpengaruh negatif tidak signifikan terhadap keberadaan Risk Management Committee. Laporan keuangan mempunyai banyak asumsi, penilaian, dan pilihan metode perhitungan yang dapat digunakan membuat manajemen memiliki cukup keleluasaan untuk memanipulasi laporan keuangan tersebut sehingga risiko pelaporan keuangan menjadi tinggi maka diperlukan monitoring yang kuat untuk mengawasi manajemen dengan membentuk Komite Manajemen Risiko yang terpisah dari Komite Audit RMC. Universitas Sumatera Utara 72 4.3.5 Pengaruh Kompensasi Dewan Direksi dan Dewan Komisaris berpengaruh terhadap Risk Management Committee RMC Variabel kompensasi dewan direksi dan dewan komisaris menunjukkan hasil nilai signifikansi 0,157 dengan koefisien -5,187. Hasil tersebut kompensasi dewan direksi dan dewan komisaris berpengaruh negatif tidak signifikan terhadap keberadaan Risk Management Committee. Kompensasi Dewan diharapkan mendukung adanya RMC karena RMC yang dibentuk oleh Dewan Komisaris akan meningkatkan fungsi pengawasan dalam memastikan sistem pengendalian yang tepat khususnya mengenai sistem manajemen risiko oleh Dewan Direksi selaku manajemen sehingga selaras dengan kepentingan principle. Hal ini menunjukkan bahwa investor membutuhkan sebuah tampilan atas manajemen risiko yang baik dari manajemen yang dapat mendukung penciptaan nilai bagi pemegang saham.

4.3.6 Pengaruh Keahlian Akuntansi dan Keuangan, Ukuran Komite

Audit, Frekuensi Rapat Komite Audit, Resiko Pelaporan Keuangan, Kompensasi Dewan Direksi dan Dewan Komisaris terhadap Risk Management Committee RMC. Hasil uji hipotesis dengan menggunakan uji signifikansi simultan Uji f menyimpulkan bahwa keahlian akuntansi dan keuangan, ukuran komite audit, frekuensi rapat komite audit, resiko pelaporan keuangan, kompensasi dewan direksi dan dewan komisaris terhadap keberadaan Risk Management Committee RMC signifikan secara statistika. Universitas Sumatera Utara 73 BAB V KESIMPULAN DAN SARAN

5.1. Kesimpulan

Penelitian ini bertujuan untuk mengetahui pengaruh Karakteristik Komite Audit, Karakteristik Perusahaan dan Kompensasi Dewan Terhadap Komite Manajemen Risiko pada industri go public non financial yang terdaftar di Bursa Efek Indonesia BEI tahun 2012-2014. Berdasarkan hasil pengujian yang dilakukan, maka diperoleh kesimpulan sebagai berikut: 1. Berdasarkan hasil pengujian secara simultan Uji f, diketahui nilai probabilitas dari uji simultan Omnibus Tests of Model Coefficients 0,002, yakni lebih kecil dari 0,05, disimpulkan bahwa variabel bebas yang digunakan secara bersama-sama berpengaruh signifikan secara statistik, terhadap Risk Management Committee. Diketahui nilai koefisien determinasi Nagelkerke �2 = 0,803. Nilai tersebut berarti seluruh variabel bebas secara simultan mempengaruhi variabel Risk Management Committee sebesar 80,3, sisanya sebesar 19,7 dipengaruhi oleh faktor-faktor lain. 2. Berdasarkan hasil pengujian secara parsial Uji t, diketahui nilai probabilitas atau Sig. dari keahlian akuntansi dan keuangan X1 sebesar 0,093, ukuran komite audit X2 sebesar 0,230, frekuensi rapat komite audit X3 sebesar 0,408, resiko pelaporan keuangan X4 sebesar 0,373, kompensasi dewan direksi dan dewan komisaris X5 sebesar 0,157 yaitu di Universitas Sumatera Utara 74 atas 0,05, yakni disimpulkan bahwa pengaruh parsial tersebut terhadap Risk Management Committee tidak signifikan.

5.2. Saran