commit to user
D. Analisis Data
1. Uji Asumsi Klasik
Sebelum melakukan uji regresi terlebih dahulu dilakukan pengujian asumsi klasik. Pengujian ini dilakukan untuk memperoleh keyakinan bahwa
penggunaan model regresi menghasilkan estimator linear yang tidak bias, asumsi- asumsi tersebut adalah: Pertama, data harus bersifat normal, kedua, tidak terjadi
multikolinieritas. Ketiga, tidak ada heteroskedastisitas adanya variance yang tidak konstan dan variabel pengganggu. Keempat, tidak terdapat autokorelasi
Gujarati 2003. Pengujian asumsi klasik dalam penelitian ini adalah sebagai berikut:
a. Normalitas Uji normalitas dilakukan untuk menguji apakah dalam model regresi,
variabel dependen, independen atau keduanya memiliki distribusi data yang normal atau tidak Ghozali 2002. Dalam penelitian ini pengujian normalitas
dilakukan dengan melihat normal probability plot, yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari
distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data akan dibandingkan dengan garis diagonalnya. Uji normalitas
bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal ataukah tidak Ghozali
2002. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
commit to user
Distribusi normal akan membentuk garis lurus diagonal, dan ploting data akan dibandingkan dengan garis diagonal. Dasar pengambilan keputusan:
1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2 Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi
normalitas. Dalam penelitian ini penulis juga menggunakan uji Kolmogorov-
Smirnov untuk menguji normalitas residual model penelitian guna memperkuat hasil pengujian PP Plot. Kriteria pengujiaannya adalah sebagai
berikut: Ho = data berdistribusi tidak normal.
Ha = data berdistribusi normal. Ho diterima dan Ha tidak diterima apabila angka signifikansi sig
0,05. Ho tidak diterima dan Ha diterima apabila angka signifikansi sig 0,05.
b. Multikolinieritas Multikolinieritas adalah suatu situasi adanya korelasi antar variabel
bebas atau dengan kata lain adalah hubungan linear yang sempurna dan pasti di antara beberapa atau semua variabel yang menjelaskan dari suatu model
regresi Gujarati 2003. Salah satu cara mendeteksi multikolinieritas adalah dengan melihat nilai tolerance dan VIF Variance Inflation Factor.
Ho = terdapat multikolinieritas antar variabel bebas.
commit to user
Ha = tidak terdapat multikolinieritas antar variabel bebas. Jika nilai tolerance 0,10 dan VIF 10 maka Ho tidak diterima dan
Ha diterima, artinya tidak ada multikolinieritas antar variabel bebas Ghozali 2002. Selain itu untuk mendeteksi ada atau tidaknya multikolinieritas dalam
model regresi penelitian ini dilakukan dengan menganalisis matrik korelasi variabel-variabel bebas. Jika antar variabel bebas terdapat korelasi yang cukup
tinggi umumnya di atas 0,90, maka hal ini merupakan indikasi adanya multikolinieritas Ghozali 2002.
c. Autokorelasi Autokorelasi terjadi karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi yang lainnya. Uji
autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan periode t-1
sebelumnya. Untuk mendeteksi autokorelasi digunakan uji Breusch-Godfrey BG test.
d. Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut heteroskedastisitas. Salah satu cara
mendeteksi heteroskedastisitas adalah dengan metode grafik plot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Dalam
analisis dalam pengujian tersebut adalah dengan melihat pola pada grafik
commit to user
scatterplot antara SRESID dan ZPRED. Jika titik-titik dalam grafik membentuk pola tertentu, seperti bola gelembung atau melebar kemudian
menyempit, maka mengindikasikan bahwa terjadi heteroskedastisitas. Jika tidak ada pola yang jelas dan titik-titik dalam grafik menyebar di atas dan di
bawah angka 0, maka tidak terjadi heteroskedastisitas Ghozali 2002.
2. Pengujian Hipotesis
Penelitian ini menggunakan berbagai tes statistikal untuk menganalisis data. Persamaan yang digunakan untuk menguji hipotesis 1, 2, 3, dan 4 yang
diajukan dalam penelitian ini menggunakan model regresi 1 sebagai berikut: ICDisc =
λ + β
1
LnOwnRet + β
2
Und + β
3
LnUP + β
4
KomInd + γ
1
LnGP + γ
2
RKE + γ
3
Lev + γ
4
Aud + µ Pengujian untuk hipotesis ke-5 digunakan model regresi 2 sebagai berikut:
ICDisc = λ + β
1
LnOwnRet + β
2
Und + β
3
LnUP + β
4
KomInd + β
5
HerfIndCon + β
6
LnOwnRet . HerfIndCon + γ
1
LnGP + γ
2
RKE + γ
3
Lev + γ
4
Aud + µ Di mana:
λ = koefisien intersep
LnOwnRet = logaritma natural ownership retention
Und = reputasi underwriter
LnUP = logaritma natural umur perusahaan
KomInd = proporsi dewan komisaris independen
HerfIndCon = proprietary cost
LnOwnRet . HerfIndCon =
interaksi logaritma natural ownership retention
commit to user
dan proprietary cost LnGP
= logaritma natural gross proceed RKE
= rencana kompensasi eksekutif Lev
= leverage Aud
= reputasi auditor β
i
= koefisien 1-6 pada variabel independen dan interaksi
γ
i
= koefisien 1-4 variabel kontrol µ
= error Pengujian hipotesis dan kriteria pengujian dalam penelitian ini adalah
sebagai berikut: a. Pengujian simultan uji-F
Uji simultan dengan F-Test bertujuan untuk mengetahui pengaruh bersama-sama variabel independen terhadap variabel dependen. Hasil F-Test
menunjukkan variabel independen secara bersama-sama berpengaruh terhadap variabel dependen jika p-value lebih kecil dari level of significant yang
ditentukan. Analisis dalam pengujian regresi adalah sebagai berikut: Ho diterima dan Ha tidak diterima apabila signifikansi 0,05.
Ho tidak diterima dan Ha diterima apabila signifikansi 0,05. b. Pengujian koefisien regresi parsial uji-t
Pengujian ini dimaksudkan untuk mengetahui pengaruh masing- masing variabel independen secara parsial terhadap variabel dependen, dengan
asumsi yan lainnya konstan. Jika signifikansi 0,05 berarti variabel tersebut
commit to user
signifikan pada tingkat 5 dan berarti variabel independen secara parsial berpengaruh terhadap variabel dependen. Analisis dalam pengujian regresi
adalah sebagai berikut: Ho diterima dan Ha tidak diterima apabila signifikansi 0,05.
Ho tidak diterima dan Ha diterima apabila signifikansi 0,05. c. Regresi Moderasian dengan Uji Interaksi
Uji interaksi atau sering disebut dengan Moderated Regresssion Analysis MRA merupakan salah satu cara yang digunakan untuk menguji
regresi dengan variabel moderasi. Ghozali 2002 menyatakan bahwa uji interaksi merupakan aplikasi khusus regresi berganda linear dimana dalam
persamaan regresinya mengandung unsur interaksi perkalian dua atau lebih variabel independen. Dalam penelitian ini, pendekatan interaksi bertujuan
untuk menerangkan variasi pengungkapan intellectual capital terhadap ownership retention dan proprietary cost. Fokus pendekatan ini adalah pada
kesignifikanan dan sifat pengaruh interaksi yang terdapat dalam persamaan regresi, sehingga efek utama dari dari masing-masing variabel independen
terhadap variabel dependen tidak dapat diinterpretasikan. Variabel perkalian antara LnOwnRet dan HerfIndCon merupakan variabel pemoderasi oleh
karena menggambarkan pengaruh variabel moderasi HerfIndCon terhadap hubungan LnOwnRet
dan ICDisc. Apabila koefisien β
6
signifikan dan negatif β
6
0; menunjukkan bahwa hipotesis didukung atau berarti interaksi ownership retention dan proprietary cost akan berpengaruh negatif terhadap
commit to user
pengungkapan intellectual capital pada saat penawaran umum perdana. Analisis dalam pengujian regresi adalah sebagai berikut:
Ho diterima dan Ha tidak diterima apabila koefisien β
6
0, dan signifikansi 0,05.
Ho tidak diterima dan Ha diterima apabila koefisien β
6
0, dan signifikansi 0,05.
Keseluruhan analisis dan pengujian statistik dalam penelitian ini akan dilakukan dengan menggunakan alat bantu perangkat lunak SPSS 16 for
Windows.
commit to user
89
BAB IV
ANALISIS DATA DAN PEMBAHASAN
Penelitian ini bertujuan untuk menganalisis pengaruh ownership retention, reputasi underwriter, umur perusahaan dan komisaris independen terhadap
pengungkapan intellectual capital dengan proprietary cost sebagai variabel pemoderasi. Penelitian ini menggunakan gross proceed, rencana kompensasi
eksekutif, leverage, dan reputasi auditor sebagai variabel kontrol. Pada bab ini akan diuraikan mengenai deskripsi data, uji asumsi klasik,
pengujian hipotesis dan pembahasan hasil penelitian. Pengolahan data dengan model analisis regresi berganda menggunakan software SPSS release 16.0.
A. Statistik Deskriptif
