1 Tabel operasional variabel

3.3 Pengujian Hipotesis

Untuk melakukan pengujian hipotesis terhadap variabel independen pada variabel dependen (H1, H2, dan H3) digunakan alat analisis regresi berganda. Dalam penelitian ini, pengu jian hipotesis yang digunakan antara lain Untuk melakukan pengujian hipotesis terhadap variabel independen pada variabel dependen (H1, H2, dan H3) digunakan alat analisis regresi berganda. Dalam penelitian ini, pengu jian hipotesis yang digunakan antara lain

3.3.1 Uji F Pengujian ini bertujuan untuk menguji secara signifikan hubungan resiko bank, board size dan tingkat pertumbuhan bank pada gender diversity di dalam anggota dewan komisaris, dewan direksi dan komite audit. Jika nilai signifikan F lebih kecil dari 0,05 maka hipotesis alternatif tidak dapat ditolak atau dengan α = 5% variabel independen secara statistik mempengaruhi variabel dependen secara bersama-sama (Ghozali, 2005). Langkah-langkah yang dilakukan adalah (Gujarati, 2003):

1. Merumuskan Hipotesis (Ha) Ha diterima: berarti terdapat pengaruh yang signifikan antara variabel independen terhadap variabel dependen secara simultan.

2. Menentukan tingkat signifikansi yaitu sebesar 0.05 (α=0,05).

3. Membandingkan F

dengan F

hitung

tabel

Nilai F hitung dapat dicari dengan rumus (Gujarati, 2003):

F hitung = R 2 / (k-1)

2 (1-R ) / (N-k)

Dimana : R 2 =

Koefisien Determinasi

Banyaknya koefisien regresi

Banyaknya observasi • Bila F hitung < F tabel, variabel independen secara bersama-

sama tidak berpengaruh terhadap variabel dependen.

• Bila F hitung > F tabel, variabel independen secara bersama- sama berpengaruh terhadap variabel dependen.

4. Dengan menggunakan nilai probabilitas, Ha akan diterima jika probabilitas kurang dari 0,05.

5. Menentukan nilai koefisien determinasi, dimana koefisien ini menunjukkan seberapa besar variabel independen pada model yang digunakan mampu menjelaskan dependennya.

3.3.2 Uji t Pengujian ini bertujuan untuk menguji secara signifikan dari masing- masing variabel bebas terhadap variabel terikatnya. Apabila tingkat signifikan yang diperoleh (p-value) lebih kecil dari 0,05 maka H0 dapat ditolak atau dengan α = 5 % variabel independen tersebut berhubungan secara statistik terhadap variabel dependen. Uji t ini pada dasarnya menunjukan seberapa jauh pengaruh satu variabel penjelas (independen) secara individual dalam menerangkan variasi variabel dependen.

3.3.3 Uji R 2 Koefisiensi determinan (R2) digunakan untuk mengukur seberapa

kemampuan model dapat dalam menerangkam variasi dependen. Nilai koefiensi determinan antara nol dan satu. Nilai (R2) yang paling kecil berarti kemampuan variabel-variabel dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hamper semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Secara umum koefisiensi determinasi untuk data silang (cross section) relative rendah karena adanya variasi yang besar kemampuan model dapat dalam menerangkam variasi dependen. Nilai koefiensi determinan antara nol dan satu. Nilai (R2) yang paling kecil berarti kemampuan variabel-variabel dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hamper semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Secara umum koefisiensi determinasi untuk data silang (cross section) relative rendah karena adanya variasi yang besar

Kelemahan dari penggunaan koefisiensi determinan ini adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted (R2) pada saat mengevaluasi mana model regresi yang terbaik. Nilai adjusted (R2) dapat naik turun apabila satu variabel independen ditambah ke dalam model.

3.4 Teknik Analisis Data

Dalam penelitian ini data yang telah dikumpulkan akan dianalisis menggunakan statistik dengan bantuan program SPSS 16 untuk melakukan uji statistik deskriptif, uji normalitas dan regresi linier berganda.

BAB IV HASIL DAN PEMBAHASAN

4.1 Gambaran Umum dan Deskriptif Data Obyek Penelitian

4.1.1.Gambaran Umum Obyek Penelitian

Obyek penelitian yang digunakan dalam penelitian ini adalah seluruh perusahaan perbankan nasional yang tercatat di Bursa Efek Indonesia dengan periode 2008-2010. Pada periode ini terdapat 84 bank, akan tetapi setelah dilakukan metode purposive sampling, maka sampel yang layak digunakan dalam penelitian ini 69 perusahaan perbankan yang tercatat di Bursa Efek Indonesia. Data diambil dari annual report bank-bank tersebut. Terdapat 15 sampel yang digugurkan yaitu karena data bank tersebut tidak memenuhi kriteria yang telah ditetapkan. Berikut adalah data bank yang dijadikan sampel penelitian.

Tabel 4.1

Daftar Sampel Penelitian NO KODE EMITEN NAMA BANK

1 AGRO

Bank Agroniaga Tbk

2 BABP

Bank ICB Bumiputera Tbk

3 BBCA

Bank Central Asia Tbk

4 BBKP

Bank Bukopin Tbk

5 BBNI

Bank Negara Indonesia Tbk

6 BBRI

Bank Rakyat Indonesia Tbk

7 BDMN

Bank Danamon Indonesia Tbk

8 BMRI

Bank Mandiri Tbk

9 BNGA

Bank CIMB Niaga Tbk

10 BNII

Bank International Indonesia Tbk

11 BNLI

Bank Permata Tbk

12 BSWD

Bank Swadesi Tbk

13 BVIC

Bank Victoria International Tbk

14 INPC

Bank Artha Graha Internasional Tbk

15 MAYA

Bank Mayapada Internasional Tbk

16 MEGA

Bank Mega Tbk

17 NISP

Bank OCBC NISP Tbk

18 PNBN

Bank Pan Indonesia Tbk

19 SDRA

Bank Himpunan Saudara Tbk

20 BNBA

Bank Bumi Arta Tbk

21 MCOR

Bank Capital Indonesia Tbk

22 BAEK

Bank Ekonomi Raharja Tbk

23 BTPN

Bank Tabungan Pensiunan Nasional Tbk

4.1.2.Deskriptif Statistik Variabel Penelitian

Berdasarkan hasil analisis statistik deskriptif, maka berikut didalam Tabel 4.2 akan ditampilkan karakteristik sampel yang digunakan dalam penelitian ini meliputi: jumlah sampel (N), rata-rata sampel (mean), nilai maksimum, nilai minimum dan standar deviasi untuk masing-masing variabel.

Tabel 4.2

Deskripsi Variabel Penelitian Bank-Bank Sampel

Descriptive Statistics

Std. Deviation GENDER_DIVERSITY

.143794 Valid N (listwise)

Sumber: data sekunder yang diolah, 2012

Pada Tabel 4.1 diatas menunjukkan bahwa jumlah data yang digunakan dalam penelitian ini sebanyak 69 sampel data yang diambil dari annual report yang dipublikasi oleh perusahaan perbankan yang tercatat di BEI dari periode 2008 sampai 2010.

Data rasio GENDER_DIVERSITY terendah (minimum) adalah 0,010 yaitu AGRO dan BBRI pada tahun 2008 dan yang tertinggi (maksimum) adalah 0,375 yaitu AGRO pada tahun 2010. Kemudian rata-rata (mean) gender diversity adalah 0,13686. Sementara standar deviasi 0,073589 menunjukkan simpangan data yang relatif kecil, karena nilainya yang lebih kecil daripada mean-nya. Dengan tidak besarnya simpangan data, menunjukkan bahwa data variabel GENDER_DIVERSITY dikatakan cukup baik.

Data rasio RISK yang terendah (minimum) adalah -1,222 yaitu BBKP pada tahun 2010 dan yang tertinggi (maksimum) adalah -0,41 yaitu AGRO pada tahun 2008. Kemudian rata-rata RISK adalah -0,95249 dan standar deviasi 0,233549 menunjukkan simpangan data relatif kecil, karena nilainya lebih kecil daripada mean-nya.

Data nominal BSIZE yang terendah (minimum) adalah 7 yaitu BNBA pada 2009 dan 2010, sedangkan yang tertinggi (maksimum) adalah 27 yaitu BNGA pada tahun 2010. Rata-rata BSIZE adalah 15,14 dan standar deviasinya adalah 5,001 menunjukkan simpangan data relatif kecil karena nilainya lebih kecil daripada mean-nya.

Data rasio GROWTH yang terendah (minimum) adalah -0,132 yaitu AGRO pada tahun 2008 dan yang tertinggi (maksimum) adalah 0,626 yaitu BTPN pada tahun 2009. Rata-rata GROWTH adalah 0,17772 dan standar deviasinya adalah 0,143794 menunjukkan simpangan data relatif kecil karena nilainya lebih kecil daripada mean-nya.

4.2 Uji Asumsi Klasik

4.2.1 Uji Normalitas

Uji normalitas bertujuan menguji apakah dalam model regresi, variabel residual memiliki distribusi normal. Untuk menguji apakah distribusi data normal atau tidak, ada dua cara untuk mendeteksinya, yaitu dengan analisis grafik dan uji statistik. Analisis grafik merupakan cara yang termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.

Dari gambar 4.1 terlihat bahwa pola distribusi mendekati normal, akan tetapi jika kesimpulan normal tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.

Gambar 4.1 Grafik Histogram

Gambar 4.2

Normal Probability Plot

Sumber: data sekunder yang diolah, 2012

Grafik probabilitas pada gambar 4.2 diatas sekilas memang terlihat normal karena distribusi data residualnya terlihat mendekati garis normalnya. Namun biasanya hal ini menyesatkan oleh karena itu analisis statistik digunakan untuk memastikan apakah data tersebut benar-benar normal. Pengujian normalitas data secara analisis statistik dilakukan dengan menggunakan Uji Kolmogorov-Smirnov. Secara multivariat pengujian normalitas data dilakukan terhadap nilai residualnya. Data yang berdistribusi normal ditunjukkan dengan nilai asymptotic significance diatas 0,05 (Ghozali, 2007). Hasil pengujian normalitas data terlihat dalam Tabel 4.3

Tabel 4.3 Tabel Uji Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual N

Normal Parameters a Mean

.06769397 Most Extreme Differences

Std. Deviation

-.118 Kolmogorov-Smirnov Z

Negative

.980 Asymp. Sig. (2-tailed)

.292 a. Test distribution is Normal.

Sumber: data sekunder yang diolah, 2012. Berdasarkan tabel pengujian normalitas, tampak bahwa variabel penelitian RISK, BSIZE dan GROWTH mengikuti distribusi normal dengan nilai asymptotic significance yang lebih dari 5 persen.

4.2.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol (Ghozali, 2005). Dalam penelitian ini menggunakan persamaan regresi GENDER_DIVERSITY = f(RISK, BSIZE, GROWTH). Untuk mengetahui apakah terjadi multikolinearitas dapat dilihat dari VIF yang terdapat pada masing-masing variabel seperti terlihat pada tabel 4.4, berikut :

Tabel 4.4

Hasil Uji Multikolinearitas

Coefficients a Collinearity Statistics

a. Dependent Variable: GENDER_DIVERSITY

Sumber : data sekunder yang diolah, 2012

Suatu model regresi dinyatakan bebas dari multikolinearitas adalah jika mempunyai nilai Tolerance dibawah 1 dan nilai VIF dibawah 10. Dari tabel tersebut diperoleh bahwa semua variabel bebas memiliki nilai Tolerance berada dibawah 1 dan nilai VIF jauh di bawah angka 10. Dengan demikian dalam model ini tidak ada masalah multikoliniearitas. Kesimpulan ini didukung dengan hasil koefisien korelasi antar variabel seperti pada tabel 4.5 di bawah ini :

Tabel 4.5 Hasil Besaran Korelasi antar Variabel

Coefficient Correlations a

Model

BSIZE RISK 1 Correlations

3.072E-6 1.921E-5

1.921E-5 .001 a. Dependent Variable: GENDER_DIVERSITY

RISK

Sumber : data sekunder yang diolah, 2012

Melihat besaran (koefisien) korelasi antar variabel diatas, tampak korelasi masih dibawah 95%, maka dapat dikatakan tidak terjadi multikoliniearitas yang serius.

4.2.3 Uji Heterokedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke

Untuk menentukan heterokedastisitas dapat menggunakan grafik scatterplot, titik yang terbentuk harus menyebar secara acak, tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, bila kondisi ini terpenuhi maka tidak terjadi heterokedastisitas dan model regresi layak digunakan. Hasil ujia heterokedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.3 berikut ini :

Gambar 4.3 Grafik Scatterplot

Sumber : data sekunder yang diolah, 2012

Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y dengan demikian dapat disimpulkan bahwa model regresi ini tidak terjadi heterokedastisitas. Akan tetapi analisis dengan grafik plot memiliki kelemahan dalam keakuratan dalam menginterpretasikannya, oleh sebab itu perlu dilakukan uji statistik untuk lebih menjamin keakuratan hasil.

Uji Glejser test adalah salah satu uji statistik digunakan untuk mendeteksi ada tidaknya heterokedastisitas. Glejser menyarankan untuk meregresi nilai absolut dari e i terhadap variabel X (variabel bebas) yang

diperkirakan mempunyai hubungan yang erat dengan δ 2

Berdasarkan output SPSS maka hasil uji heterokedastisitas dapat ditunjukkan dalam tabel 4.6 sebagai berikut :

Tabel 4.6

Hasil Uji Heterokedastisitas dengan Uji Glejser

Coefficients a Standardized

Unstandardized Coefficients

Coefficients

Model

t Sig. 1 (Constant)

B Std. Error

-.054 -.423 .674 GROWTH

-.055 -.440 .661 a. Dependent Variable: ABSRES

Sumber: data sekunder yang diolah, 2012

Berdasarkan hasil yang ditunjukkan dalam tabel 4.6 tersebut nampak bahwa semua variabel bebas menunjukkan hasil yang tidak signifikan, sehingga dapat disimpulkan bahwa semua variabel bebas tersebut tidak terjadi heterokedastisitas dalam varian kesalahan.

4.2.4 Uji Autokorelasi

Uji autokorelasi merupakan pengujian asumsi dalam regresi dimana variabel dependen tidak berkorelasi dengan dirinya sendiri. Maksud korelasi dengan diri sendiri adalah bahwa nilai dari variabel dependen tidak berhubungan dengan nilai variabel itu sendiri, baik nilai variabel sebelumnya atau nilai periode sesudahnya. Dasar pengambilan keputusannya adalah sebagai berikut :

1. Angka D-W dibawah -2 berarti ada autokorelasi positif.

2. Angka D-W diantara -2 dan +2 berarti tidak ada autokorelasi.

3. Angka D-W diatas +2 berarti ada auotkorelasi negatif.

Tabel 4.7 Uji Autokorelasi

Model Summary b

Std. Error of the Model

Adjusted R

R R Square

.069239 1.343 a. Predictors: (Constant), GROWTH, BSIZE, RISK

1 .392 a .154

b. Dependent Variable: GENDER_DIVERSITY

Sumber: data sekunder yang diolah, 2012.

Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin- Watson sebesar 1,343 maka disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif karena nilai D-W terletak diantara -2 dan +2.

4.3 Pengujian Hipotesis

Penelitian ini menguji hipotesis-hipotesis dengan metode analisis regresi berganda (multiple regression). Sesuai dengan rumusan masalah, tujuan dan hipotesis dalam penelitian ini, metode regresi berganda menghubungkan satu variabel dependen dengan beberapa variabel independen dalam suatu model prediktif tunggal. Analisis ini digunakan untuk menghitung besarnya hubungan resiko bank, board size dan tingkat pertumbuhan bank yang merupakan variabel independen pada gender diversity yang merupakan variabel dependen.

4.3.1 Uji Koefesien Determinasi (R 2 )

2 Koefesien determinasi (R ) menjelaskan proporsi variabel terikat yang dapat dijelaskan oleh variabel bebas secara bersamaan. Nilai koefesien

2 determinasi berkisar antara 0 ≤ R 2 ≤ 1. Bila nilai R semakin mendekati satu maka variabel bebas yang ada semakin besar dalam menjelaskan variabel

terikat, tetapi bila nilai R 2 mendekati 0 maka variabel bebas semakin kecil dalam menjelaskan variabel terikat.

Tabel 4.8 Hasil Pengujian Koefesien Determinasi

Model Summary

Adjusted R

Std. Error of the

Model

R Square

a. Predictors: (Constant), GROWTH, BSIZE, RISK

Sumber : data sekunder yang diolah, 2012.

Mengacu pada Insukrindo (1998) dalam Ghozali (2005) penggunaan nilai adjusted R 2 dianjurkan pada saat mengevauasi model regresi, hal ini

dikarenakan adjusted R 2 dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model. Dari hasil pengujian hipotesis

diperoleh nilai adjusted R 2 sebesar 0,115, dengan demikian dapat disimpulkan bahwa variabel independen bisa menjelaskan sebesar 11,5

persen terhadap variabel dependen, sedangkan sisanya sebesar 88,5 persen dijelaskan oleh faktor lain diluar model persamaan regresi. Sedangkan Standar Error of Estimate (SEE) sebesar 0,069239. Makin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.

4.3.2 Uji F

Uji F dilakukan untuk mengetahui apakah variabel independen secara bersama-sama atau simultan mempengaruhi variabel dependen. Hasil pengujian pengaruh simultan dapat dilihat pada tabel 4.9 berikut.

Tabel 4.9 UJI F

ANOVA b

Model

F Sig. 1 Regression

Sum of Squares

df Mean Square

3.938 .012 a Residual

a. Predictors: (Constant), GROWTH, BSIZE, RISK

b. Dependent Variable: GENDER_DIVERSITY

Sumber : data sekunder yang diolah, 2012 Dari hasil pengujian hipotesis terlihat bahwa nilai F hitung sebesar 3,938 dengan tingkat signifikansi 0,012. Oleh karena probabilitas (0,012) lebih kecil dari 0,05 maka model regresi dapat dipakai untuk memprediksi bahwa terdapat pengaruh signifikan antara variabel dependen (GENDER_DIVERSITY) dengan semua variabel independen (RISK, BSIZE, GROWTH) secara bersama-sama.

4.3.3 Uji Signifikansi Parameter Individual (t-test)

Keandalan model regresi sebagai alat estimasi sangat ditentukan oleh signifikansi parameter-parameter dalam model yaitu koefesien regresi. Uji signifikansi dilakukan dengan statistik t (uji t). Uji t digunakan untuk menguji signifikansi koefesien regresi secara parsial dari variabel independenya (Ghozali, 2005). Hasil perhitungan parameter individual t statistik dapat dilihat pada Tabel 4.10 berikut.

Tabel 4.10

Hasil Perhitungan Pengujian Parameter Individual

Coefficients a Standardized

Unstandardized Coefficients

Coefficients

Model

t Sig. 1 (Constant)

B Std. Error

-.332 -2.788 .007 GROWTH

-.071 -.607 .546 a. Dependent Variable: GENDER_DIVERSITY

Sumber : data sekunder yang diolah, 2012.

Dari hasil perhitungan tersebut dapat disimpulkan bahwa variabel GENDER_DIVERSITY memiliki hubungan dengan resiko bank, board size dan tingkat pertumbuhan bank dengan persamaan matematis sebagai berikut :

Y = 0,253 + 0,038X 1 – 0,005X 2 – 0,036X 3 +e

Dari persamaan di atas dapat diartikan:

a. Nilai konstanta sebesar 0,253 Hal ini berarti bahwa tanpa adanya hubungan resiko bank, board size

dan tingkat pertumbuhan bank maka akan terjadi peningkatan rasio gender diversity hingga mencapai nilai sebesar 0,253 atau dengan kata lain jika variabel independen dianggap konstan, maka gender diversity sebesar 0,253.

b. Koefesien regresi variabel resiko bank (X 1 )

Hal ini berarti bahwa setiap kenaikan resiko bank dengan asumsi variabel lainnya tetap (cateris paribus), maka gender diversity akan mengalami perubahan dengan arah yang sama.

c. Koefesien regresi variabel board size (X 2 )

Hal ini berarti bahwa setiap kenaikan board size dengan variabel lainnya tetap (cateris paribus), maka board size akan mengalami perubahan dengan arah yang berbeda.

d. Koefesien regresi variabel growth (X 3 )

Hal ini berarti bahwa setiap kenaikan growth dengan variabel lainnya tetap (cateris paribus), maka growth akan mengalami perubahan dengan arah yang berbeda.

Adapun penjelasan terhadap masing-masing variabel sebagai berikut :

a. Resiko bank (RISK) Pengujian ini bertujuan untuk mengetahui hubungan resiko bank (RISK) pada gender diversity. Koefesien regresi resiko bank sebesar 0,038. Hal ini menunjukkan t resiko bank mempunyai pengaruh positif pada gender diversity. Probabilitas menunjukkan lebih besar dari 0,05 yaitu sebesar 0,328, artinya bahwa variasi variabel resiko bank tidak mempunyai pengaruh yang signifikan pada gender diversity. Sedangkan arah koefesien dari variabel resiko bank menunjukkan arah positif. Dengan demikian dapat disimpulkan bahwa hipotesis pertama yang menyatakan resiko bank (RISK) secara signifikan mempunyai pengaruh negatif pada gender diversity tidak dapat diterima atau ditolak.

b. Board Size (BSIZE) Pengujian ini bertujuan untuk mengetahui hubungan board size pada gender diversity. Koefesien regresi board size sebesar -0,005. Hal ini menunjukkan pengaruh negatif pada gender diversity. Probabilitas menunjukkan lebih kecil dari 0,05 yaitu sebesar 0,007 yang artinya bahwa variasi variabel board size mempunyai pengaruh yang signifikan pada gender diversity. Sedangkan arah koefesien variabel BSIZE menunjukkan arah yang negatif. Dengan demikian dapat disimpulkan bahwa hipotesis kedua yang menyatakan board size secara signifikan mempunyai pengaruh positif pada gender diversity tidak dapat diterima atau ditolak.

c. Tingkat Pertumbuhan Bank (GROWTH) Pengujian ini bertujuan untuk mengetahui hubungan tingkat pertumbuhan bank. Koefesien regresi tingkat pertumbuhan bank sebesar -0,036. Hal ini menunjukkan pengaruh negatif pada gender diversity. Probabilitas menunjukkan lebih besar dari 0,05 yaitu sebesar 0,546 yang artinya bahwa variabel tingkat pertumbuhan bank mempunyai pengaruh yang tidak signifikan pada gender diversity. Sedangkan arah koefesien variabel ini menunjukkan arah yang negatif. Dengan demikian dapat disimpulkan bahwa hipotesis ketiga yang menyatakan tingkat pertumbuhan bank yang secara signifikan mempunyai pengaruh positif pada gender diversity tidak dapat diterima atau ditolak.

4.4 Pembahasan

Hasil pengujian hipotesis pertama menunjukkan bahwa variabel resiko bank mempunyai pengaruh positif atau sama sekali tidak ada pengaruh pada gender diversity. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Jianakoplos dan Bernasek (1998), Sunden dan Surette (1998) dan Johnson dan Powell (1994) yang menyatakan bahwa wanita cenderung menghindari resiko dalam pengambilan keputusan keuangan. Barber dan Odean (2001) dan Niederle dan Vesterlund (2001) menyatakan bahwa wanita kurang percaya diri dibandingkan dengan pria, hal ini sesuai penelitian Goel dan Thakor (2008) yang menyatakan manajer yang terlalu percaya diri akan membuat keputusan investasi yang buruk.

Dalam kasus di Indonesia, dari sampel perusahaan perbankan mempunyai persentase rata-rata wanita di dalam keanggotaan dewan komisaris, direksi dan komite audit dari 69 perusahaan yang listing di BEI adalah 12,5%. Walaupun dalam beberapa studi menunjukkan semakin tinggi persentase wanita di dalam keanggotaan dewan komisaris, direksi dan komite audit maka semakin tinggi pula kinerja keuangan tapi hubungan ini akan sedikit berbeda di Indonesia karena sebagian besar perusahaan berada di bawah pengaruh keluarga (Claessens et al, 2000).

Hasil pengujian hipotesis kedua menunjukkan bahwa variabel board size mempunyai pengaruh negatif pada gender diversity. Hasil penelitian ini sesuai dengan penelitian Bohren dan Strom (2005) di Norwegia yang menyatakan bahwa semakin banyak anggota dewan direksi akan Hasil pengujian hipotesis kedua menunjukkan bahwa variabel board size mempunyai pengaruh negatif pada gender diversity. Hasil penelitian ini sesuai dengan penelitian Bohren dan Strom (2005) di Norwegia yang menyatakan bahwa semakin banyak anggota dewan direksi akan

Dalam kasus di Indonesia, gender diversity tidak diatur dalam ketentuan peraturan tentang corporate governance yang berlaku. Peraturan Bank Indonesia tahun 2008 hanya mengatur komposisi komisaris, direksi dan komite audit harus memberikan kuota minimal 50% kepada pihak independen.

Hasil pengujian hipotesis ketiga menunjukkan bahwa variabel tingkat pertumbuhan bank mempunyai pengaruh negatif pada gender diversity. Hal ini sesuai dengan Hopkins dan Hopkins (1997) yang menyatakan bahwa bank yang memiliki strategi pertumbuhan yang cepat membutuhkan pendapatan yang sangat tinggi dan biasanya menghadapi masalah efisiensi dalam operasinya dan dapat dipastikan mereka akan lebih memilih mendapatkan penghasilan yang sedikit dibandingkan untuk tidak bekerja dengan wanita. Hasil penelitian ini sejalan dengan Teori Becker yang kedua yaitu Tasted-based discrimination, yaitu sebuah entitas akan mendapatkan pendapatan yang sedikit dengan mempromosikan perempuan untuk berada di manajer puncak.

Dalam kasus di Indonesia, karena periode penelitian yang digunakan adalah tahun 2008 hingga 2010 yang mana pada tahun 2008 dan 2009 adalah periode krisis keuangan global yang berdampak pada pasar modal Indonesia dan iklim perbankan nasional. Sedangkan periode 2010 adalah periode pasca krisis keuangan global (Darmadi, 2010).

Berdasarkan hasil penelitian dan pembahasan mengenai hubungan resiko bank, board size dan tingkat pertumbuhan bank pada gender diversity di dalam dewan komisaris, dewan direksi dan komite audit di perbankan yang listing di BEI periode 2008-2010, maka dapat disimpulkan :

1. Resiko bank tidak memiliki pengaruh negatif pada gender diversity di dalam anggota dewan komisaris, direksi dan komite audit di industri perbankan nasional yang tercatat di Bursa Efek Indonesia periode 2008-2010.

2. Board size tidak memiliki pengaruh positif pada pada gender diversity di dalam anggota dewan komisaris, direksi dan komite audit di industri perbankan nasional yang tercatat di Bursa Efek Indonesia periode 2008-2010.

3. Tingkat pertumbuhan bank tidak memiliki pengaruh positif pada gender diversity di dalam anggota dewan komisaris, direksi dan komite audit di industry perbankan nasional yang tercatat di Bursa Efek Indonesia periode 2008-2010.

5.2 Keterbatasan Penelitian

1. Penelitian ini hanya menggunakan sampel perusahaan yang masuk pada kategori perbankan. Dengan menggunakan sampel penelitian yang lebih banyak, dimungkinkan ada hasil yang berbeda dengan hasil penelitian ini.

2. Penelitian ini hanya menggunakan periode tiga tahun. Dengan menggunakan periode yang lebih panjang dimungkinkan adanya hasil yang berbeda dengan penelitian ini.

5.3 Saran

Berdasarkan kesimpulan di atas, maka dapat disampaikan beberapa saran yaitu sebagai berikut:

1. Disarankan untuk merancang suatu peraturan yang mengatur jumlah kuota perempuan didalam keanggotaan dewan komisaris, dewan direksi dan komite audit di perusahaan perbankan pada khusunya dan di perusahaan yang listing di Bursa Efek Indonesia. Dengan adanya peraturan tersebut, diharapkan dapat meningkatkan kinerja perusahaan.

2. Disarankan untuk melakukan penelitian serupa dengan menggunakan variabel independen yang berbeda, seperti ROA, nilai perusahaan yang diukur dengan rasio Tobin’s Q dan rasio hutang sehingga mendapatkan hasil yang lebih baik. Selain itu, disarankan juga untuk menggunakan periode yang lebih lama.