Teknik Analisis Data
D. Teknik Analisis Data
Analisis data dalam penelitian ini dilakukan dengan statistik uji deskriptif dan pengujian hipotesis. Pengujian dilakukan dengan menggunakan bantuan program SPSS release 16.
1. Statistik Deskriptif Statistik deskriptif terdiri atas penghitungan mean, median, standar deviasi, maksimum, dan minimum. Analisis ini dimaksudkan untuk memberikan gambaran mengenai distribusi dan perilaku data (Ghozali, 2006).
2. Pengujian Hipotesis Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari goodness of fit. Secara statistik, goodness of fit dapat diukur dari nilai koefisiensi determinasi, nilai statistik F, dan nilai statisik t.
commit to user
Perhitungan statistik dikatakan signifikan apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak), sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah di mana Ho diterima (Ghozali, 2006). Persamaan regresi berganda untuk pengujian hipotesis dalam penelitian ini adalah :
Y = a + bX 1 + cX 2 + dX 3 +eX 4 +fX 5 +ε
Keterangan: Y = Skor item voluntary disclosure
X 1 = Persentase dewan komisaris independen
X 2 = Persentase dewan komisaris independen dalam komite audit
X 3 = Ukuran dewan direksi
X 4 = Keberadaan komite penunjang dewan komisaris
X 5 = Log aktiva
a = Konstanta
b, c, d, e,f = Koefisien regresi ε = Error
a. Koefisien Determinasi Koefisien determinasi pada dasarnya mengukur seberapa jauh variabel independen mampu menerangkan variabel dependen. Untuk jumlah variabel independen lebih dari dua, lebih baik menggunakan koefisien determinasi yang telah disesuaikan, yaitu adjusted R (Ghozali, 2006). Besarnya koefisien determinasi adalah 0 (nol) sampai dengan 1 (satu). Semakin mendekati nol, semakin kecil pula pengaruh semua variabel independen terhadap nilai variabel dependen, sedangkan jika
commit to user
koefisien determinasi mendekati satu, maka semakin besar pengaruh semua variabel independen terhadap nilai variabel dependen.
b. Nilai F Uji Statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2006). Melalui nilai F dapat diketahui apakah persentase dewan komisaris independen, persentase komisaris independen dalam komite audit, ukuran dewan direksi, dan keberadaan komite penunjang dewan komisaris berperan secara simultan terhadap voluntary disclosure.
c. Nilai t Uji statistik t dilakukan untuk menguji apakah variabel independen berpengaruh secara signifikan terhadap variabel dependen. Nilai t digunakan untuk menguji koefisiensi regresi secara parsial dari variabel independenyya. Dalam penelitian ini nilai t menggunakan tingkat signifikansi 5%. Adapun pengujian hipotesisnya adalah : jika p value < 0,05 maka H alternatif diterima. Jika p value > 0,05 maka H alternatif ditolak.
Sebagai persyaratan pengujian regresi berganda maka dilakukan uji asumsi klasik. Uji asumsi klasik dilakukan untuk memastikan bahwa data penelitian valid, tidak bias, konsisten, dan penaksiran regresinya efisien (Gujarati, 2003). Uji asumsi klasik ini meliputi :
commit to user
1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual terdistribusi normal (Ghozali, 2006). Model regresi yang baik adalah model regresi yang memiliki distribusi data normal atau mendekati normal. Hasil pengujian data dilakukan dengan menguji Kolmogorov-Smirnov. Hasil pengujian ini akan dibandingkan dengan nilai signifikansi yang telah ditentukan yaitu sebesar 5% atau 0,05. Kriteria pengujian apabila p value > 0,05 maka data terdistribusi normal, sedangkan apabila p value < 0,05 maka data tidak terdistribusi normal.
2. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi yang tinggi antar dua atau lebih variabel independen (Ghozali, 2006). Pengujian dilakukan dengan menggunakan toleransi value VIF (variance inflation factor ). Jika nilai tolerance value > 0,1 dan VIF < 10 maka tidak terjadi multikolinearitas.
3. Uji Autokorelasi Autokorelasi menunjuk pada hubungan yang terjadi antara anggota- anggota dari serangkaian observasi yang terletak berderetan secara series dalam bentuk waktu (untuk time series) atau hubungan antara tempat yang berdekatan (cross sectional). Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (Ghozali, 2006). Untuk mengetahui dan menguji ada tidaknya autokorelasi dalam model analisis regresi, dilakukan pengujian Durbin-Watson (DW test). Pengambilan keputusan ada tidaknya autokorelasi:
commit to user
a. Bila nilai DW terletak antara batas atas atau upper bound (du) dan (4-du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
b. Bila nilai DW lebih rendah daripada batas bawah atau lower bound (dl), maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif.
c. Bila nilai DW lebih besar daripada (4-dl), maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.
4. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2006). Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastistias dan jika berbeda disebut heteroskedastisitas. Untuk menentukan heteroskedastisitas menggunakan uji glejser. Apabila koefisien parameter beta > 0,05 maka tidak ada masalah heteroskedastisitas. Uji glejser mengusulkan untuk meregresi nilai absolute residual terhadap variabel independen dengan persamaan regresi:
commit to user