b. Laporan tahunan annual report dan laporan keuangan tahunan financial report
perusahaan yang terpilih menjadi sampel yang diperoleh dari www.idx.co.id.
3.6 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan yaitu metode dokumentasi dengan mengumpulkan dan menganalisis data sekunder atau data untuk
perusahaan sektor keuangan pada tahun 2011 hingga 2013 yang diperoleh secara tidak langsung melalui media perantara yaitu internet dari Bursa Efek Indonesia
melalui laporan tahunan dan laporan keuangan yang telah diaudit dan diterbitkan setiap tahunnya yang diunduh melalui situs www.idx.co.id.
3.7 Teknik Analisis Data
Analisis data dalam penelitian ini meliputi uji asumsi klasik yang dilakukan sebagai persyaratan hipotesis, descriptive statistic, dan pengujian
hipotesis menggunakan analisis regresi linier berganda. Pengujian ini dilakukan dengan menggunakan software SPSS versi 17. Berikut ini dijelaskan tahapan-
tahapan pengujian dalam penelitian ini:
3.7.1 Analisis Statistik Deskriptif
Statistik deskriptif descriptive statistic memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar
deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness
Ghozali, 2006:29. Statistik deskriptif dimaksudkan untuk memberikan gambaran mengenai distribusi dan perilaku data sampel tersebut.
3.7.2 Uji Asumsi Klasik
Ada empat macam uji asumsi klasik yang dipakai dalam penelitian ini antara lain sebagai berikut:
3.7.2.1 Uji Normalitas
Menurut Ghozali, 2006:110 Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu
atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan baha nilai residual mengikuti distribusi
normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.
Untuk menguji normalitas, peneliti menggunakan uji Kolmogorov Smirnov. Kriteria pengujian yang digunakan adalah
nilai p-value, apabila nilai p-value0,05, maka dapat dinyatakan bahwa data berdistribusi normal, dan apabila jika p-value0,05
maka dapat dinyatakan bahwa data tidak berdistribusi normal.
3.7.2.2 Uji Multikolinearitas
Menurut Ghozali, 2006:91 uji multikolonieritas 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 sesame variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinearitas di
dalam model regresi adalah sebagai berikut: a. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-
variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
b. Menganalisis matrik korelasi varariabel-variabel independen. Jika antar variabel independen ada korelasi
yang cukup tinggi umumnya di atas 90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya
korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat
disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
c. Multikolinearitas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua
ukuran ini menunjukkan setiap variabel independen mankah yang dijelaskan oleh variabel independen lainnya.
Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen dan diregress terhadap variabel
independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan
oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF =
1Tolerance. Nilai cut off yang umum dipaki untuk menunjukkjan adanya multikolinearitas adalah nilai
Tolerance 0,10 atau sama dengan nilai VIF10.
3.7.2.3 Uji Heteroskedastisitas
Menurut Ghozali, 2006:105 uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi
ketidkasamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan
ke pengamtan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik
adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data cross section mengandung
situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, dan besar.
Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel
terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan
melihat ada tidaknya pola tertentu pada grafik scatterplot antara
SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y
sesungguhnya yang telah di studentized. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur
bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada
pola yang jelas, serta titik-titik menyebar di atas dan si bawah angka 0 pada sumbu Y, maka terjadi heteroskedastisitas.
3.7.2.4 Uji Autokorelasi
Menurut Ghozali, 2006:95 uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul
karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan
pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data time series karena “gangguan”
pada seorang individukelompok cenderung mempengaruhi “gangguan” pada individukelompok yang sama pada periode
berikutnya. Pada data crosssection, masalah autokorelasi relatif jarang
terjadi karena “gangguan” pada observasi yang berbeda berasal
dari individu kelompok yang berbeda. Model regresi yang baik adalah yang bebas dari autokorelasi. Cara menguji autokorelasi
adalah dengan melihat model regresi linier berganda terbebas dari autokorelasi apabila nilai Durbin Watson berada dibawah angka 2.
3.7.3 Pengujian Hipotesis
Untuk pengujian hipotesis, penelitian ini menggunakan analisis regresi berganda. Adapun persamaaan regresi berganda untuk pengujian
hipotesis dalam penelitian ini adalah sebagai beikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e
Keterangan: a
= Konstanta Y
= Return on asset b
1
-b
3
= Koefisien regresi variabel independen X
1
= Proporsi dewan komisaris independen X
2
= Komite audit X
3
= Struktur Kepemilikan e
= Standard error Atas dasar model regresi berganda di atas, maka dilakukan analisis
dengan menggunakan langkah sebagai berikut ini:
3.7.3.1 Koefisien Determinasi R
2
Koefisien determinasi R
2
bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan
variabel dependen. Nilai R Square dikatakan baik jika di atas 0,5 karena nilai R Square berkisar antara 0 sampai 1. Pada umumnya
sampel dengan data deret waktu time series memiliki R Square maupun Adjusted R Square cukup tinggi diatas 0,5, sedangkan
sampel dengan data item tertentu yang disebut data silang cross section
pada umumnya memiliki R Square maupun Adjusted R Square
agak rendah di bawah 0,5, namun tidak menutup kemungkinan data jenis cross section memiliki nilai R Square
maupun Adjusted R square yang cukup tinggi.
3.7.3.2 Uji Parsial dengan T-Test
T-test bertujuan untuk mengetahui besarnya pengaruh
masing-masing variabel independen secara individual parsial terhadap variabel dependen. Hasil uji ini pada output SPSS dilihat
pada tabel Coefficients. Nilai dari uji t-test dapat dilihat dari p- value
pada kolom Sig. pada masing-masing variabel independen, jika p-value lebih kecil dari level of significant yang ditentukan,
atau t-hitung pada kolom t lebih besar dari t-tabel.
3.7.3.3 Uji Simultan dengan F-Test
Hasil F-test dapat dilihat dari hasil regresi pada tabel ANOVA. Hasil F-test menunjukkan variabel independen secara
bersama-sama berpengaruh terhadap variabel dependen jika p- value
pada kolom sig. lebih kecil dari level of significant yang ditentukan, atau F hitung pada kolom F lebih besar dari F tabel. F
tabel dihitung dengan cara df1=k-1, dan df2=n-k, k adalah jumlah variabel dependen dan independen.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Analisis data
dimulai dengan mengolah data dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik, pengujian menggunakan regresi berganda dan
diakhiri dengan pengujian hipotesis. Pengujian dilakukan dengan menggunakan software SPSS versi 16.
Metode pengambilan sampel dilakukan dengan teknik purposive sampling. Objek penelitian ini adalah perusahaan sektor keuangan yang terdaftar di Bursa
Efek Indonesia selama periode 2011 sampai dengan 2013, dimana jumlah perusahaan keuangan tersebut adalah 84 perusahaan. Dari jumlah tersebut,
perusahaan yang memenuhi kriteria dalam pemilihan sampel tersebut adalah sejumlah 55 perusahaan.
4.2. Analisis Hasil Penelitian
4.2.1 Statistik Deskriptif
Statistik deskriptif descriptive statistic memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar
deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness
Ghozali, 2006:29. Statistik deskriptif dimaksudkan untuk memberikan gambaran mengenai distribusi dan perilaku data sampel tersebut.
Statistik deskriptif dari variabel komisaris independen, komite audit, dan struktur kepemilikan yang diperoleh dari sampel perusahaan
dalam periode pengamatan 2011-2013 disajikan dalam tabel berikut.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum
Mean Std.
Deviation X1
165 .200
1.000 .51657
.129454 X2
165 .333
.750 .61273
.103653 X3
165 .000
.989 .41320
.371053 Y
165 -.025
.075 .02488
.018768 Valid N listwise
165
Sumber: Data sekunder yang diolah, 2015
Berdasarkan dari tabel di atas, menunjukkan bahwa penelitian ini menggunakan sampel N sebanyak 165;
1. Variabel komisaris independen X1 mempunyai nilai minimum 0,2 dan nilai maksimum 1. Nilai rata-rata dari komisaris independen 0,516
dengan standar deviasi 0,129 menunjukkan variasi penyebaran data pada variabel komisaris independen.
2. Variabel komite audit X2 memiliki nilai minimum 0,33 dan nilai maksimum 0,75. Nilai rata-rata dari komite audit 0,6127 dengan
standar deviasi 0,10365 menunjukkan variasi penyebaran data pada variabel komite audit.
3. Variabel struktur kepemilikan X3 nilai minimum 0,00 dan nilai maksimum 0,98. Nilai rata-rata dari struktur kepemilikan 0,4132
dengan standar deviasi 0,371 menunjukkan variasi penyebaran data pada variabel struktur kepemilikan.
4. Variabel kinerja keuangan Y nilai minimum -0,025 dan nilai maksimum 0,075. Nilai rata-rata dari kinerja keuangan 1.3167 dengan
standar deviasi 0,0248 menunjukkan variasi penyebaran data pada variabel kinerja keuangan.
4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas
