Metode Pengumpulan Data Hasil Penelitian 1 Deskripsi Objek Penelitian

3.7. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan adalah metode studi dokumentasi, dengan mendapatkan data berupa annual report yang dikeluarkan oleh perusahaan yang termasuk dalam industri high profile perusahaan non finansial periode tahun 2011-2013. Data tersebut diperoleh melalui situs yang dimiliki BEI, yaitu www.idx.co.id dan www.sahamok.com.

3.8. Teknik Analisis Data

Penelitian keberadaan Risk Management Committee menggunakan teknik analisis kuantitatif. Penelitian kuantitatif merupakan suatu proses menemukan pengetahuan yang menggunakan data berupa angka sebagai alat menganalisis keterangan mengenai apa yang ingin diketahui dan bertujuan untuk menyusun suatu ilmu yang berupaya membuat hukum-hukum dari generalisasinya. Penelitian kuantitatif dilakukan dengan cara mengkuantitatifkan data-data penelitian yang dapat menghasilkan informasi yang dibutuhkan untuk proses analisis. Penelitian ini menggunakan alat analisis berupa regresi logistik. Penggunaan regresi logistik dikarenakan variabel keberadaan Risk Management Committee sebagai variabel dependen dalam penelitian ini bersifat dikotomi adanya keberadaan RMC atau tidak adanya keberadaan RMC dalam perusahaan. Regresi logistik sebenarnya sama dengan analisis pada regresi berganda, tetapi variabel terikatnya adalah variabel dummy. Variabel dummy memiliki dua buah nilai yang sering disebut dengan binary logistic regresion. Dalam peneltian ini, proses Universitas Sumatera Utara analisis menggunakan regresi logistik sehingga tidak membutuhkan asumsi normalitas data variabel independennya.

3.8.1. Analisis Statistik Deskriptif

Metode analisis deskriptif merupakan metode analisis data yang dilakukan untuk mengetahui dan menjelaskan variabel yang diteliti yang berupa angka- angka sebagai dasar untuk pengambilan keputusan. Angka-angka yang dimaksud adalah nilai minimum, nilai maksimum, rata-rata mean, dan standar deviasi Ghozali, 2006.

3.8.2. Logistic Regression Regresi Logistik

Penelitian ini menggunakan alat analisis berupa regresi logistik. Regresi logistik tidak memerlukan uji normalitas pada variabel bebasnya Ghozali, 2006. Regresi logistik digunakan dalam penelitian ini karena variabel terikatnya merupakan variabel dummy, yaitu terdapat keberadaan RMC di perusahaan atau tidak adanya keberadaan RMC di perusahaan. Penelitian ini juga menggunakan empat variabel independen. Variabel-variabel tersebut membentuk persamaan regresi logistik sebagai berikut : RMC = α + ß1 SizeDK + ß2 KOMInd + ß3 SEGM + ß4 BIGFOUR + e Universitas Sumatera Utara Keterangan : Risk management committee RMC = Variabel dummy pembentukan RMC, dimana perusahaan yang membentuk RMC diberi nilai 1 satu dan yang tidak membentuk RMC diberi nilai 0 nol SizeDK = Ukuran Dewan Komisaris KOMInd = Proporsi komisaris independen SEGM = Kompleksitas BIGFOUR = Variabel dummy perusahaan yang menggunakan auditor eksternal Big Four diberi nilai 1, dan 0 untuk sebaliknya α = Konstanta ß = Koefisien regresi e = Kesalahan residual Regresi logistik adalah statistika yang dapat digunakan untuk memprediksi probabilitas suatu kejadian peristiwa yang memiliki model linier umum untuk regresi binomial. Regresi logistik merupakan suatu alternatif untuk membandingkan analisis diskriminan ketika variabel bebasnya memiliki 2 kategori. Dalam penentuan signifikansi secara statistik berbeda dengan penentuan signifikansi pada regresi berganda. Dalam model regresi logistik, terdapat tahapan Universitas Sumatera Utara yang perlu diperhatikan dari model output SPSS. Tahapan-tahapan dalam model regresi logistik adalah sebagai berikut.

3.8.2.1. Uji Kelayakan Model Regresi Goodness of Fit Test

Penilaian dalam uji kelayakan model regresi logistik dapat dilihat dari pengujian Hosmer and Lemeshow’s Goodness of Fit Test yang keluar dari ouput SPSS. Pengujian goodness of fit test dilakukan dengan tujuan untuk menilai model yang dihipotesiskan sehingga data empiris cocok atau sesuai dengan model. H0 : Tidak ada perbedaan model dengan data Ha : Terdapat perbedaan model dengan data Jika nilai probabilitas yang ditunjukan dengan nilai signifikansi pada uji Hosmer and Lomeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05 maka hipotesis nol ditolak, yang berarti bahwa terdapat perbedaan antara model dengan nilai observasinya. Apabila nilai Hosmer and Lomeshow’s Goodness of Fit Test lebih besar dari 0,05 maka hipotesis nol diterima dan tidak dapat ditolak. Hal tersebut menunjukan bahwa model mampu memprediksi nilai observasinya atau dapat dikatakan model diterima karena sesuai dengan data observasinya Ghozali, 2006.

3.8.2.2. Uji Kelayakan Keseluruhan Model Overall Fit Model

Uji kelayakan keseluruhan model digunakan berdasarkan pada fungsi likelihood pada estimasi dalam model regresi. Likelihood ditunjukkan dalam probabilitas model yang dihipotesiskan dan menggambarkan data yang telah diinput. Likelihood akan ditransformasikan menjadi -2LL -2LogLikelihood. Universitas Sumatera Utara Cara penilaian overall model fit adalah dengan membandingkan nilai -2LL awal block number = 0 dengan nilai -2LL akhir block number = 1. Apabila terjadi penurunan nilai - 2LL Block Number 0 terhadap nilai 2LL Block Number =1, maka akan menunjukkan model regresi yang baik. Log Likehood pada logistic regresion hampir mirip dengan “Sum of Square Error” pada model regresi berganda, sehingga apabila terjadi penurunan Log Likehood akan menunjukkan model yang semakin baik. Hipotesis yang digunakan untuk menilai model fit dalam regresi logistik adalah sebagai berikut Ghozali, 2006 : H0 : Model yang dihipotesiskan fit dengan data HA: Model yang dihipotesiskan tidak fit dengan data.

3.8.2.3. Koefisien Determinasi �

Dalam analisis regresi logistik, pengujian koefisien determinasi R dilakukan dengan menggunakan nilai Cox Snell dan Nagelkerke dari hasil output SPSS. Pengujian koefisien determinasi R bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variabel terikat Ghozali, 2011. Nilai Nagelkerke R square merupakan nilai yang memperlihatkan besarnya nilai validitas variabel dependen yang dapat dijelaskan oleh variabel independen yang akan diteliti. Nilai sisa dari 100 dikurangi dengan nilai Nagelkerke R Square merupakan nilai variabilitas variabel dependen yang dapat dijelaskan oleh variabel-variabel lain diluar model dalam penelitian. Universitas Sumatera Utara

3.8.2.4. Tabel Klasifikasi

Tabel klasifikasi akan menunjukkan besarnya kekuatan prediksi dari model regresi untuk memprediksi kemungkinan terdapatnya keberadaan RMC di suatu perusahaan. Pada kolom dalam hasil output SPSS merupakan dua nilai prediksi dari variabel dependen dalam hal ini yang mengungkap keberadaan RMC 1 dan yang tidak mengungkap keberadaan RMC 0, sedangkan pada baris memperlihatkan nilai observasi sesungguhnya dari variabel dependen yang mengungkap keberadaan RMC 1 dan tidak mengungkap keberadaan RMC 0. Jika model sempurna, maka akan berada pada diagonal dengan tingkat ketepatan peramalan 100 pada semua kasus. 3.8.3. Uji Multikolinearitas Uji Multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebasnya. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel bebas. Jika antar variabel bebas ada korelasi yang cukup tinggi yang umumnya di atas 0,95, maka hal ini merupakan indikasi adanya multikolinearitas. 3.8.4. Uji Hipotesis 3.8.4.1. Uji f-Statistik Uji f digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Dasar penerimaan atau penolakan hipotesis dapat dilihat dengan membandingkan Fhitung dengan Universitas Sumatera Utara Ftabel, jika Fhitung Ftabel maka Ho ditolak dan Ha diterima Ghozali, 2006.

3.8.4.2. Uji t-Statistik

Uji statistik t disebut juga sebagai uji signifikansi individual. Uji t dilakukan untuk mengetahui signifikansi secara parsial antara variabel independen dengan variabel dependen dengan mengasumsikan bahwa variabel independen lainnya konstan. Dasar penerimaan atau penolakan hipotesis dapat dilihat dengan membandingkan nilai t hitung dengan t tabel , apabila t hitung lebih besar dari t tabel maka Ho ditolak dan Ha diterima Ghozali, 2006. Universitas Sumatera Utara

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1. Hasil Penelitian 4.1.1 Deskripsi Objek Penelitian Populasi dalam penelitian ini adalah perusahaan industri high profile 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 2011-2013. Penelitian ini menggunakan data sekunder berupa annual report perusahaan industri high profile periode 2011-2013 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 2011-2013. Sehingga, jumlah keseluruhan sampel yang akan dijadikan objek penelitian ini dari tahun 2011-2013 sejumlah 75 annual report perusahaan. Nama-nama perusahaan yang dijadikan sampel dalam penelitian ini terdapat dalam Lampiran 1. Universitas Sumatera Utara

4.1.2. Analisis Statistik Deskriptif

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 ukuran dewan komisaris UDK, komisaris independen KI, kompleksitas bisnis KB, reputasi auditor RA, dan Risk Management Committee RMC. Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut: Tabel 4.1 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation UDKX1 75 2 11 5.00 1.986 KIX2 75 36 80 48.40 10.413 KBX3 75 1 6 2.55 1.407 Valid N listwise 75 Berdasarkan Tabel 4.1, diketahui nilai ukuran dewan komisaris minimum adalah 2, sedangkan nilai ukuran dewan komisaris maksimum adalah 11. Diketahui nilai rata-rata mean ukuran dewan komisaris dari tahun 2011-2013 adalah 5, dan standar deviasinya adalah 1,986. Diketahui nilai komisaris independen minimum adalah 36, sedangkan nilai komisaris independen maksimum adalah 80. Diketahui nilai rata-rata mean komisaris independen dari tahun 2011-2013 adalah 48,40, dan standar deviasinya adalah 10,413. Diketahui nilai kompleksitas bisnis minimum adalah 1, sedangkan nilai kompleksitas bisnis Universitas Sumatera Utara maksimum adalah 6. Diketahui nilai rata-rata mean kompleksitas bisnis dari tahun 2011-2013 adalah 2,55 , dan standar deviasinya adalah 1,407. Tabel 4.2 Statistik Deskriptif Reputasi Auditor RAX4 Frequency Percent Valid Percent Cumulative Percent Valid Non Big Four 30 40.0 40.0 40.0 Big Four 45 60.0 60.0 100.0 Total 75 100.0 100.0 Berdasarkan Tabel 4.2, diketahui reputasi auditor yang termasuk ke dalam kategori Big Four sebanyak 45 perusahaan 40, sementara reputasi auditor yang termasuk ke dalam Non Big Four sebanyak 45 kantor audit 60. Tabel 4.3 Statistik Deskriptif Risk Management Committee RMCY Frequency Percent Valid Percent Cumulative Percent Valid Tidak Mengungkapkan RMC 18 24.0 24.0 24.0 Mengungkapkan RMC 57 76.0 76.0 100.0 Total 75 100.0 100.0 Berdasarkan Tabel 4.3, diketahui perusahaan yang tidak mengungkapkan RMC sebanyak 18 perusahaan 24, sementara perusahaan yang mengungkapkan RMC sebanyak 57 perusahaan 76. Universitas Sumatera Utara

4.1.3. Logistic Regression Regresi Logistik

Dalam penelitian ini menggunakan alat uji regresi logistik melalui program SPSS versi 17.0 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.

4.1.3.1. 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 4.4. Tabel 4.4 Hosmer and Lemeshow Test Hosmer and Lemeshow Test Step Chi-square df Sig. 1 9.744 8 .283 Berdasarkan Tabel 4.4, diketahui nilai statistik Chi-Square adalah 9,744. Universitas Sumatera Utara Gambar 4.1 Perhitungan Chi-Square Tabel dengan Microsoft Excel Berdasarkan Gambar 4.1, diketahui nilai Chi-Square tabel bernilai 15,507. Untuk menentukan apakah model layak atau tidak, maka dapat diketahui dengan membandingkan nilai statistik Chi-square terhadap Chi- Square Tabel. �� � �� �� −���� ℎ�� � � � � , � . �� � �� �� −���� ℎ�� � � � � , � . Perhatikan bahwa karena nilai statistik Chi-Square 9,744 lebih kecil dibandingkan nilai Chi-Square Tabel 15,507, 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. �� � � � � � � � � �, � . �� � � � � � � � � �, � . Universitas Sumatera Utara Berdasarkan Tabel 4.4, diketahui nilai probabilitas atau Sig. sebesar 0,163. Perhatikan bahwa karena nilai probabilitas 0,283 lebih besar dibandingkan tingkat signifikansi 0,05, maka disimpulkan bahwa model cukup layak dalam mencocokkanfit data.

4.1.3.2. 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 4.5. Tabel 4.5 Nilai -2 Log likelihood -2 LL Awal Iteration History

a,b,c