= EPS perusahaan sampel = Penerapan GCG
= Nilai intercept = Koefisien Regresi
= Error Tingkat kesalahan
1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atatu dekripsi suatu data yang dilihat dari nilai rata-rata mean, standar
deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewnes kemencengan distribusi. Dalam penelitian ini
penulis menjabarkan statistik deskriptif berupa mean, maksimum, minimum, dan standar deviasi.
2. Uji Asumsi Klasik
Uji asumsi klasik yang digunakan adalah sebagai berikut:
a. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah distribusi data penelitian masing-masing variabel telah
menyebar secara normal. Model regresi yang baik adalah yang memiki distribusi
data normal mendekati data normal, uji normalitas dilakukan dengan analisis grafik dengan melihat grafik histogram dan
normal probability. Jika grafik histogram menunjukkan pola
Universitas Sumatera Utara
distribusi normal, artinya titik puncak kurva berada di titik nol 0 pada sumbu X maka model regresi memenuhi syarat
normalitas, begitu juga sebaliknya. Pengujian normalitas data juga bisa dilakukan dengan
menggunakan alat uji statistik, yaitu alat uji statistik Kolmogorov-Smirnov uji K-S. Jika tingkat signifikannya
lebih besar dari 0,05 maka data itu terdidtribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data
adalah tidak normal.
b. Uji Autokorelasi
Uji autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu time series. “Autokorelsi akan
muncul bila data sesudahnya merupakan fungsi dari data sebelumnya atau data sesudahnya memiliki korelasi yang
tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat tergantung pada tempat data tersebut
terjadi.” Ghozali, 2005:175. Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson DW.
Deteksi autokorelasi dengan cara ini dimulai dengan menghitung nilai d, setelah nilai d diketemukan maka tahapan
berikutnya adalah menentukan nilai du dan dl dengan menggunakan table Durbin Watson.
Kriteria :
Universitas Sumatera Utara
du d 4-du = Tidak ada autokorelasi d dl
= Terdapat autokorelasi positif d- 4-dl
= Terdapat autokorelasi negatif dl d du
= Tidak ada keputusan tentang autokorelasi 4-du d 4-dl Tidak ada keputusan tentang autokorelasi.
Cara untuk mengatasi adanya masalah autokorelasi bila ada adalah dengan cara menambahkan satu variabel baru,
yaitu variabel lag – 1.
c. Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan menguji apakah adalam model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokedastis atau tidak terjadi
heterokedastisitas. Menurut Ghozali 2005 : 105, cara untuk mendeteksi ada atau tidaknya heteroskedastisitas antara lain
dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residual SRESID.
Deteksi ada tidaknya heteroskedaktisitas 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-
Universitas Sumatera Utara
studentized. Terdapat 2 dasar analisis untuk menentukan terjadi atau tidaknya heterokedastisitas.
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang,
melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2 Jika tidak ada pola yang jelas, serta titik-titik melebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas. Selain itu, untuk
mengetahui masalah
heteroskedastisitas ini dapat menggunakan korelasi jenjang Spearman, maka harus menghitung nilai korelasi untuk setiap
variabel independen terhadap nilai residu, baru kemudian dicari tingkat signifikansinya. Park dan Glejser test memiliki
dasar tes yang sama yaitu meregresikan kembali nilai residu ke variabel independen. Cara untuk mengurangi masalah
heteroskedastisitas adalah menurunkan besarnya rentang range data. Cara yang bisa dilakukan untuk menurunkan
rentang data adalah melakukan transformasi manipulasi logaritma. Tindakan ini bisa dilakukan bila semua data
bertanda positif.
Universitas Sumatera Utara
3. Pengujian Hipotesis a. Uji Hipotesis
1. Pengujian Hipotesis Pertama
Pengujian hipotesis pertama dilakukan dengan menggunakan formulasi sebagai berikut:
H
01
: b
1
≤ 0 Penerapan GCG tidak berpengaruh positif terhadap ROE.
H
a1
: b
1
0 Penerapan GCG berpengaruh positif terhadap ROE.
Kriteria pengujian yang digunakan untuk menerima atau menolak hipotesis H
a1
di atas adalah: jika koefisien regresi b
1
memiliki nilai p-value0.05 maka H
a1
diterima yang berarti, Penerapan GCG berpengaruh positif terhadap
ROE.
2. Pengujian Hipotesis Kedua
Pengujian hipotesis kedua dilakukan dengan menggunakan formulasi sebagai berikut:
H
02
: b
2
≤ 0 Penerapan GCG tidak berpengaruh positif terhadap ROI.
H
a2
: b
2
0 Penerapan GCG berpengaruh positif terhadap ROI.
Universitas Sumatera Utara
Kriteria pengujian yang digunakan untuk menerima atau menolak hipotesis H
a2
di atas adalah: jika koefisien regresi b
2
memiliki nilai p-value0.05 maka H
a2
diterima yang berarti, Penerapan GCG berpengaruh
positif terhadap ROI. 3. Pengujian Hipotesis Ketiga
Pengujian hipotesis ketiga dilakukan dengan menggunakan formulasi sebagai berikut:
H
03
: b
3
≤ 0 Penerapan GCG tidak berpengaruh positif terhadap EPS.
H
a3
: b
3
Penerapan GCG berpengaruh positif terhadap EPS.
Kriteria pengujian yang digunakan untuk menerima atau menolak hipotesis H
a3
di atas adalah: jika koefisien regresi b
3
memiliki nilai p-value0.05 maka H
a3
diterima yang berarti, Penerapan GCG berpengaruh
positif terhadap EPS. b. Koefisien Determinasi
R Square pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel
dependen. Dalam hal ini R Square digunakan untuk mengetahui seberapa jauh kemampuan skor penerapan
Universitas Sumatera Utara
GCG X dalam menerangkan ROE , ROI , dan EPS .
c. Uji Signifikansi Parsial t-test
Pengujian ini dilakukan untuk melihat besarnya nilai variabel dependen dengan menggunakan t-test yaitu
pengujian yang dilakukan untuk melihat ada tidaknya pengaruh secara signifikan dari variabel independen
terhadap variabel dependen. Variabel independen dikatakan memiliki pengaruh terhadap variabel dependen apabila
variabel tersebut memiliki nilai signifikansi sig dibawah 0,05.
Universitas Sumatera Utara
G. Jadwal Penelitian
Jadwal penelitian yang direncanakan sebagai berikut : Tahapan
Penelitian Januari
2011 Februari
2011 Maret
2011 April
2011 Mei
2011 Juni
2011 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Pengajuan Judul Penyelesaian
Proposal Bimbingan
Proposal Seminar
Proposal Pengumpulan
Data Pengolahan
Data Analisis Data
Bimbingan Skripsi
Ujian Komprehensif
Peneliti mengajukan proposal skripsi pada minggu kedua Januari yaitu tanggal 13 Januari 2011 dan melaksanakan bimbingan perbaikan proposal
selama 2 minggu. Seminar proposal dilaksanakan pada minggu pertama Maret yaitu pada tanggal 04 Maret 2011. Pengumpulan dan pengolahan data
hingga penyelesaian skripsi dilakukan dalam waktu 13 minggu dan dilanjutkan dengan bimbingan skripsi yang dimulai pada minggu kedua Mei
yaitu tanggal 10 Mei 2011. Ujian komprehensif pada minggu kedua bulan Juni yang direncanakan pada tanggal 15 Juni 2011.
Universitas Sumatera Utara