84
4. Hasil Uji Autokorelasi
Menurut Suliyanto 2011:125, uji autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara anggota
serangkaian data observasi yang diuraikan menurut waktu time series atau ruang cross section.
Hasil uji autokorelasi dapat dilihat dari nilai Durbin-Watson. Berikut hasil uji Durbin-Watson pada tabel 4.6:
Tabel 4.6 Hasil Uji Durbin Watson
Model Summary
b
Model Std. Error of the
Estimate Durbin-Watson
1 ,06790
2,084 b. Dependent Variable: RISK
Sumber : Output SPSS yang diolah
Berdasarkan hasil analisis regresi pada tabel 4.6 maka diperoleh nilai hitung Durbin Watson sebesar 2,084 dimana terletak
antara d
u
dengan 4- d
u
, maka dapat disimpulkan bahwa model persamaan regresi tersebut tidak mengandung masalah autokorelasi.
Suliyanto mengemukakan, bahwa uji Durbin Watson uji D-W merupakan uji untuk menguji ada-tidaknya masalah
autokorelasi dari model empiris yang diestimasi. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang
diperoleh dari tabel Durbin Watson, yaitu nilai d
L
dan d
u
, dengan K = jumlah variabel bebas dan n = ukuran sampel.
85 Jika nilai Durbin Watson berada diantara nilai d
u
hingga 4- d
u
berarti asumsi tidak terjadi gejala autokorelasi terpenuhi.
Durbin Watson
Berdasarkan hasil gambar 4.7 maka diperoleh nilai hitung Durbin Watson sebesar 2,048. Dimana terletak antara d
u
1,7012 dengan 4- d
u
2,2025 yang terlihat pada gambar 4.7, maka dapat disimpulkan bahwa model persamaan regresi tersebut tidak
mengandung masalah autokorelasi. Untuk meyakinkan hasil diatas maka digunakan uji lain yaitu
menggunakan uji Run Test. Tabel 4.8 menunjukkan hasil Run Test tersebut.
86
Tabel 4.8 Hasil Uji Run Test
Runs Test
Unstandardized Residual
Test Value
a
,00716 Cases Test Value
85 Cases = Test Value
85 Total Cases
170 Number of Runs
82 Z
-,615 Asymp. Sig. 2-tailed
,538 a. Median
Sumber : Output SPSS yang diolah
Berdasarkan Tabel 4.8 diketahui probabilitas Asymp. Sig. 2- tailed sebesar 0,538 yang menunjukkan nilai signifikansi lebih dari
0,05. Dari hasil tersebut, dapat disimpulkan bahwa model tersebut tidak mengalami problem autokorelasi.
D. Koefisien Determinasi Tabel 4.9
Uji Koefisien Determinasi Model Summary
b
Model R
R Square Adjusted R
Square 1
,609
a
,371 ,355
a. Predictors: Constant, SIZE, NPM, SK, UDK b. Dependent Variable: RISK
Sumber : Output SPSS yang diolah
87 Pada data tabel hasil uji koefisien determinasi di atas dapat
dilihat bahwa nilai adjusted R square sebesar 0,355 atau 35,5, yang berarti variabel terikat Pengungkapan Risiko dapat dijelaskan
variabel bebas SK, UDK, Profitabilitas, Ukuran Perusahaan sebesar 35,5, sedangkan sisanya sebesar 64,5 dijelaskan oleh faktor-
faktor lain. Menurut Suliyanto 2011:59 yang dimaksud dengan factor-
faktor lain adalah variasi variable x lainnya, yang tidak diteliti. Dalam penelitian ini variabel tersebut dapat berupa : Komisaris independen,
Komite audit, Leverage, Cross Listing, Likuiditas dan lain-lain.
E. Hasil Analisis Regresi Berganda 1. Hasil Uji F
Uji F pada penelitian ini dilakukan untuk menunjukkan apakah variabel independen atau bebas yang terdiri dari tingkat
strukur kepemilikan publik, ukuran dewan komisaris, profitabilitas, dan ukuran perusahaan mempunyai pengaruh secara bersama sama
atau simultan terhadap Pengungkapan Risiko perusahaan Property dan Real Estate yang terdaftar pada Bursa Efek
Indonesia BEI selama periode 2010-2014, dengan angka signifikansi
ɑ sebesar 0,05. Berikut ini adalah tabel Uji F dari penelitian ini:
88
Tabel 4.10 Hasil Uji F
ANOVA
a
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
,448 4
,112 24,284
,000
b
Residual ,761
165 ,005
Total 1,209
169 a. Dependent Variable: RISK
b. Predictors: Constant, SIZE, NPM, SK, UDK
Sumber : Data SPSS yang diolah Dari hasil analisis regresi dapat diketahui pula bahwa secara
bersama-sama variabel independen memiliki pengaruh yang signifikan terhadap variabel dependen. Hal ini dapat dibuktikan dari nilai
F
hitung
sebesar 24,284 dengan probabilitas 0,000. Karena probabilitas jauh lebih kecil dari tingkat signifikansi yang digunakan yaitu 5
atau 0,05, maka model regresi dapat digunakan untuk memprediksi Tingkat Pengungkapan Risiko dapat dikatakan bahwa variabel meliputi
tingkat strukur kepemilikan publik, ukuran dewan komisaris, profitabilitas, dan ukuran perusahaan mempunyai pengaruh secara
bersama sama atau simultan terhadap Pengungkapan Risiko. Analisis faktor fundamental seperti strukur kepemilikan publik,
ukuran dewan komisaris, profitabilitas dan ukuraan Perusahaan merupakan
instrumen yang
mampu mempengaruhi
tingkat Pengungkapan Risiko dalam sebuah perusahaan. Dalam hasil uji F
membuktikan bahwa ke empat variabel diatas secara simultan mempengaruhi tingkat Pengungkapan Risiko sebuah perusahaan.
89 Analisis fundamental menyatakan bahwa setiap pengungkapan
pasti akan dipengaruhi oleh Corporate Governance dan Karakteristik perusahaan. Ide dasar adanya hal ini adalah karena laporan tahunan
perusahaan pada dasarnya sebagai penyampai Informasi kepada pengguna, dan lazimnya informasi tersebut harus lengkap dan
akuntabel.
2. Hasil Uji t