33
3.7. Metode Pengumpulan Data Metode pengumpulan data yang digunakan yaitu metode dokumentasi
dengan mengumpulkan data sekunder atau data laporan tahunan annual report perusahaan makanan dan minuman yang terdaftar di Bursa Efek Indonesia pada
tahun 2010 hingga 2013 yang diterbitkan setiap tahunnya diperoleh melalui internet untuk mengakses situs Bursa Efek Indonesia www.idx.co.id., kemudian
mengunduh data yang dibutuhkan.
3.8. Teknik Analisis Data
Peneliti menggunakan software statistik SPSS versi 17.0 dalam menganalisis data. Adapun yang menjadi teknik analisis data dalam penelitian ini
adalah sebagai berikut :
3.8.1. Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui karakteristik sampel yang digunakan dan menggambarkan variabel-variabel dalam
penelitian. Analisis statistik deskriptif terdiri dari jumlah, sampel, nilai minimum, nilai maksimum, nilai rata-rata mean dan standar deviasi.
Adapun yang menjadi tujuan dari analisis ini yaitu agar dapat melihat profil dari data penelitian. Dalam penelitian ini variabel yang digunakan adalah
ukuran dewan komisaris, ukuran dewan direksi, earnings quality, ROA dan
perputaran total aktiva terhadap kinerja perusahaan.
Universitas Sumatera Utara
34
3.8.2. Pengujian Asumsi Klasik
Sebelum dilakukan pengujian regresi, terlebih dahulu akan dilakukan uji asumsi yaitu uji multikolinearitas, heterodiksitas, normalitas, dan
autokorelasi. Pengujian ini akan menggunakan tingkat signifikansi sebesar 5. Karena dalam penelitian ini juga tidak dilakukan uji simultan, maka
tidak dilakukan uji F dan hanya menggunakan uji T secara parsial. 3.8.2.1 Uji Normalitas
Tujuan uji ini adalah untuk mengetahui apakah model regresi variabel pengganggu atau residual memiliki distribusi normal.
Menurut Ghozali 2006:110, ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik
dan analisis statistik. i. Analisis Grafik
Melalui analisis ini, akan dilihat normalitas residual melalui grafik histogram yang membandingkan antara data observasi dengan
distribusi yang mendekati distribusi normal. Namun, ada catatan dalam penggunaan analisis ini yakni dapat menyesatkan apabila hanya
dengan melihat histogram ditambah lagi jumlah sampel yang relatif kecil. Metode yang lebih handal adalah melihat normal probability
plot. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika
Universitas Sumatera Utara
35 distribusi data residual normal, maka garis yang menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya. ii. Analisis Statistik
Uji normalitas dengan grafik dapat menyesatkan apabila tidak hati hati secara visual kelihatan normal, padahal secara statistik justru bisa
sebaliknya. Salah satu analisis statistik adalah dengan uji Kolmogrov Smirnov
. Uji K-S dilakukan dengan membuat hipotesis yakni : Nilai Sig. atau signifikan 0,05, maka distribusi data adalah
tidak normal. Nilai Sig. atau signifikan 0,05, maka distribusi data adalah
normal Ghozali, 2006.
3.8.2.2. Uji Heterokedastisitas
Menurut Ghozali 2006:105 uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke
pengamatan lain
tetap, maka
disebut
Homokedastisitas dan jika berbeda disebut Heterokedastisitas. Dasar analisis :
Jika ada pola tertentu, seperti titik titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka mengindikasi telah terjadi heterokedastisitas.
Universitas Sumatera Utara
36 Jika tidak ada pola yang jelas, serta titik titik menyebar diatas
dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
3.8.2.3. Uji Autokorelasi
Uji autokorelasi digunakan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahaan pengganggu pada periode t
dengan kesalahaan pada periode t-1 atau sebelumnya Erlina, 2008:106. Autokorelasi ini muncul karena observasi yang berurutan sepanjang
tahun yang berkaitan satu dengan yang lainnya. Salah satu cara untuk mendeteksi autokorelasi adalah uji Durbin- Watson. Uji ini hanya
digunakan untuk autokorelasi tingkat pertama first level autocorrelation dan mewajibkan adanya intercept konstanta dalam model regresi.
Berikut ini penjelasan mengenai kriteria pengambilan keputusan metode Durbin- Watson :
Tabel 3.4 Kriteria Pengambilan Keputusan Durbin-Watson
Kriteria Pengujian
Kesimpulan
D-W -2 Ada autokorelasi positif
-2 D-W +2 Tidak ada autokorelasi
D_W +2 Ada autokorelasi negatif
Universitas Sumatera Utara
37
3.8.2.4. Uji Multikolinearitas
Menurut Ghozali 2006:91 uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel
bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas dapat dilihat dari
nilai tolerance TOL dan variance inflation factor VIF. TOL digunakan untuk mengukur variabilitas dari variabel independen yang
tidak dijelaskan oleh variabel independen lainnya, sedangkan VIF digunakan untuk menjelaskan derajat suatu variabel independen yang
dijelaskan oleh variabel independen lainnya. Nilai cut-off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah TOL 0,10
atau sama dengan VIF 10, begitu juga sebaliknya apabila TOL 0,10 atau sama dengan VIF 10 maka disimpulkan tidak ada
multikolinearitas antar variabel independen dalam model regresi.
3.8.3. Pengujian Hipotesis
Hipotesis adalah penarikan kesimpulan sementara berasal dari rumusan permasalahan yang masih perlu dibuktikan melalui penelitian.
Untuk pengujian hipotesis, penelitian ini menggunakan analisis linear
berganda, yang dinyatakan dalam persamaan sebagai berikut :
Universitas Sumatera Utara
38
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e
Keterangan: Y = Kinerja Perusahaan pada tahun t
X1 = Ukuran Dewan Komisaris X2 = Ukuran Dewan Direksi
X3 = Kualitas Laba Earnings Quality X4 = Pengembalian atas Aset ROA
X5 = Perputaran Total Aktiva TATO b1,b2,b3,b4,b5 = Koefisien Regresi
e = disturbance error a = konstanta
3.8.3.1 Uji Koefisien Determinasi R
2
Koefisien determinasi �
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
�
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen sangat terbatas. Nilai R Square
dikatakan baik jika di atas 0,5 karena nilai R Square berkisar antara 0 dan 1. Kelemahan koefisien determinasi adalah adanya bias terhadap
sejumlah variabel independen yag di-entry dalam persamaan model oleh
Universitas Sumatera Utara
39 karena itu lebih baik menggunakan adjusted R
2
. Jika adjusted R
2
bernilai negatif maka nilai adjusted R
2
dianggap nol.
3.8.3.2. Uji Signifikansi Parsial Uji-T
Uji t dilakukan untuk melihat pengaruh masing masing setiap variabel independen terhadap variabel dependen secara terpisah. Tahap
pengujiannya adalah sebagai berikut :
1. H
: b
1
= b
2
= b
3
= b
4
= b
5
= b
6
= 0, berarti tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen
secara parsial, H
a
: b
1
≠ b
2
≠ b
3
≠ b
4
≠ b
5
≠ b
6
≠ 0, berarti ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen
secara parsial. 2.
Menentukan besarnya nilai F hitung dan signifikan F sig F 3.
Menentukan tingkat signifikan α yaitu sebesar 5 4.
Menganalisis data penelitian yang telah diolah dengan kriteria pengujian yaitu :
Apabila nilai siginifikan kurang dari tingkat signifikan 0,005 sif F 0,05, maka variabel independen secara individual
berpengaruh terhadap variabel dependen atau,
Universitas Sumatera Utara
40 Apabila nilai signifikan lebih dari tingkat signifikan 0.05 9 sig F
0,05 berarti variabel independen secara individual tidak berpengaruh terhadaap variabel dependen.
3.8.3.3 Uji Signifikansi Simultan Uji-F
Uji signifikansi simultan uji-f adalah pengujian yang dilakukan untuk melihat apakah variabel independen secara bersama-sama
berpengaruh terhadap variabel dependen. Tahap pengujiannya adalah sebagai berikut :
1. Ho : b1 = b2 = b3 = b4 = b5 = 0, berarti tidak ada pengaruh yang
signifikan dari variabel independen secara bersama-sama terhadap variabel dependen.
Ha : b1 = b2 = b3 = b4 = b5 = 0, berarti ada pengaruh signifikan dari variabel independen secara bersama-sama terhadap variabel
dependen. 2.
Menentukan besarnya nilai F hitung dan signifikan F Sig F 3.
Menentukan ting kat signifikan α yaitu sebesar 5
4. Menganalisis data penelitian yang telah diolah sesuai kriteria
pengujian yaitu : Jika nilai sig F 0.05, maka Ho diterima, artinya variabel
bebas secara simultan tidak mempengaruhi variabel terikat secara signifikan
Universitas Sumatera Utara
41 Jika nilai sig F 0.05, maka Ho ditolak, artinya variabel
bebas secara simultan mempengaruhi variabel terikat secara signifikan.
Universitas Sumatera Utara
42
BAB IV ANALISIS HASIL PENELITIAN
4.1 Gambaran Umum Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan analisis linier berganda. Analisis data dimulai
dengan melakukan perhitungan fisik dan pencarian data yang dibutuhkan dengan menuliskan hasil kumpulan data tersebut dalam sebuah kertas, yang selanjutnya
di-entry menggunakan Microsoft Excel dalam bentuk tabel. Kemudian, kumpulan data yang berjenis .xls tersebut dibuka dan diolah secara langsung menggunakan
software SPSS Versi 17. Berdasarkan kriteria pemilihan sampel yang telah ditentukan, diperoleh sebanyak 9 perusahaan makanan dan minuman yang
terdaftar di Bursa Efek Indonesia sebagai sampel perusahaan yang memenuhi kriteria dalam penelitian ini selama periode tahun pengamatan 2010
– 2013.
4.2 Hasil Penelitian 4.2.1 Analisis Statistik Deskriptif
Seperti penjelasan di dalam bab sebelumnya, tujuan dari analisis statistik deskriptif ini adalah untuk memperoleh gambaran karakteristik
dan profil data yang hendak diolah. Statistik desktiptif ini memberikan penjelasan mengenai nilai minimum dan maksimum, nilai rata-rata
Universitas Sumatera Utara
43 mean, dan nilai standar deviasi dari berbagai variabel independen dan
variabel dependen. Hasil pengujian statistik deskriptif pada penelitian ini digambarkan pada tabel 4.1 sebagai berikut ini :
Tabel 4.1 Analisis Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Price Earnings Ratio
36 2.93
46.83 19.4289
10.52952 Ukuran
Dewan Komisaris
36 3
8 4.64
1.915
Ukuran Dewan Direksi 36 2
9 4.69
1.864 Earnings Quality
36 -6.99
3.82 1.1197
1.68733 Return on Asset
36 .02
.65 .1339
.13179 Total Assets Turnover 36
.67 2.95
1.3492 .50217
Valid N listwise 36
Sumber : Hasil Output SPSS Hasil olahan data oleh peneliti 2014
Berdasarkan tabel 4.1 diatas dapat dijabarkan beberapa hal yakni : 1.
Variabel dependen yaitu kinerja perusahaan yang diukur dengan PER Price Earnings Ratio memiliki jumlah unit N sebanyak
36, dengan nilai minimum sebesar 2,93 dan nilai maksimum sebesar 46,83. Nilai rata-rata mean sebesar 19,4289 dan nilai
standar deviasi sebesar 10, 52952
Universitas Sumatera Utara
44 2.
Variabel independen yaitu ukuran dewan komisaris memiliki jumlah unit N sebanyak 36, dengan nilai minimum sebesar
3 dan nilai maksimum sebesar 8. Variabel ukuran dewan komisaris memiliki nilai rata-rata sebesar 4,64 dan nilai
standar deviasi sebesar 1,915
3. Variabel ukuran dewan direksi memiliki jumlah unit N sebanyak
36, dengan nilai minimum sebesar 2 dan nilai maksimum sebesar 9. Variabel ukuran dewan direksi memiliki nilai rata- rata sebesar
4,69 dan nilai standar deviasi sebesar 1,864. 4.
Variabel kualitas laba earnings quality memiliki jumlah unit N sebesar 36. Nilai minimum dan nilai maksimum sebesar -6,99 dan
3,82. Nilai rata-rata dan nilai standar deviasi sebesar 1,1197 dan 1,68733
5. Variabel profitabilitas yang diukur menggunakan Return on Assets
ROA memiliki jumlah unit N sebesar 36. Nilai minimum dan nilai maksimum sebesar 0,02 dan 0,65. Nilai rata-rata dan nilai
standar deviasi sebesar 0,1339 dan 0,13719. 6.
Variabel aktivitas yang diukur menggunakan Total Assets Turnover
TATO memiliki jumlah unit N sebesar 36. Nilai minimum dan nilai maksimum sebesar 0,67 dan 2,95. Nilai rata
rata dan nilai standar deviasinya sebesar 1,3492 dan 0,50217.
Universitas Sumatera Utara
45
4.2.2 Pengujian Asumsi Klasik a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah model regresi, variabel pengganggu atau residual memiliki distribusi normal. Salah
satu cara yang bisa digunakan untuk melihat apakah data normal atau tidak yakni dengan melakukan analisis grafik melihat grafik histogram
dan probability plot. Pada grafik histogram, yang datanya terdistribusi
normal, gambar grafiknya akan membentuk lonceng.
Gambar 4.1 Histogram
Sumber : Output SPSS Hasil olahan peneliti. 2014
Universitas Sumatera Utara
46 Berdasarkan gambar 4.1, dapat dilihat bahwa gambar grafik
tersebut membentuk lonceng. Dari gambar tersebut dapat dilihat bahwa grafik tergambar secara merata diantara sisi kiri dan sisi kanan yang
menunjukkan data terdistribusi secara normal. Pada grafik P-P Plot, data dilihat terdistribusi secara normal
apabila titik-titik yang ada di grafik menyebar disekitar garis pola garis diagonalnya. Pada gambar 4.2 terlihat bahwa titik-titik data menyebar
merata disekitar garis pola sehingga ini menunjukkan bahwa data terdistribusi secara normal.
Gambar 4.2 Kurva Normal P-P Plot
Sumber : Output SPSS Hasil olahan peneliti 2014
Universitas Sumatera Utara
47
b. Uji Heterokedastisitas