73
untuk menanamkan modal pada perusahan karena para investor mengetahui perkembangan yang terjadi di perusahaan.
4.3. Analisis Data
4.3.1. Uji Normalitas
Uji normalitas data digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal yang dapat dilakukan dengan berbagai metode
diantaranya adalah uji regresi OLS Ordinary least Square. Berikut hasil uji normalitas:
Tabel 4.6. Hasil Uji Normalitas
Sumber: lampiran 2 Berdasarkan tabel tersebut diatas dapat diketahui bahwa nilai
statistik Kolmogorov-Smirnov yang diperoleh mempunyai taraf signifikan yang kurang dari dari 0,05, dimana nilai tersebut tidak sesuai dengan
kriteria bahwa sebaran data disebut berdistribusi normal apabila memiliki
taraf signifikan 0,05 Sumarsono, 2002:40, sehingga dapat disimpulkan
bahwa semua data mempunyai distribusi yang tidak normal.
74
4.3.2. Uji Regresi Linier Berganda
Berdasarkan hasil pengujian dengan menggunakan regresi linier berganda dengan bantuan program SPSS diperoleh persamaan regresi
sebagai berikut:
Tabel 4.7. Hasil Uji Regresi Linier Berganda
Sumber: Lampiran 3 Y
= 18,791 - 0,008 X
1
- 0,993 X
2
+ 0,539 X
3
+ 0,021 X
4
Dari persamaan tersebut dapat dijelaskan sebagai berikut:
β = 18,791
Nilai konstanta sebesar 18,791 menunjukkan apabila variabel
Leverage X
1 ,
Likuiditas X
2
, Profitabilitas X
3
, Porsi Saham Publik X
4
dan sebesar nol atau konstan, maka besarnya nilai Kelengkapan Pengungkapan Laporan Keuangan adalah sebesar
18,791.
β
1
Koefisien regresi untuk variabel Leverage X
= -0,008
1
sebesar -0,008. Tanda negatif menunjukkan terjadinya perubahan yang berlawanan
arah dari variabel Leverage X
1
terhadap variabel Kelengkapan
75
Pengungkapan Laporan Keuangan Y, yang artinya apabila variabel Leverage X
1
mengalami peningkatan sebesar 1 Rupiah Rp maka variabel nilai Kelengkapan Pengungkapan Laporan
Keuangan Y akan menurun sebesar 0,008, demikian sebaliknya apabila variabel Leverage X
1
mengalami penurunan sebesar Rupiah Rp maka variabel nilai Kelengkapan Pengungkapan
Laporan Keuangan Y akan meningkat sebesar -0,008 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β
2
= - 0,993
Koefisien regresi untuk variabel Likuiditas X
2
sebesar -0,993. Tanda negatif menunjukkan terjadinya perubahan yang berlawanan
arah dari variabel Likuiditas X
2
terhadap variabel Kelengkapan Pengungkapan Laporan Keuangan Y, yang artinya apabila
variabel Likuiditas X
2
mengalami peningkatan sebesar 1 Rupiah Rp maka variabel Kelengkapan Pengungkapan Laporan
Keuangan Y akan menurun sebesar 0,993, demikian sebaliknya apabila variabel Likuiditas X
2
mengalami penurunan sebesar 1 Rupiah Rp maka variabel Kelengkapan Pengungkapan Laporan
Keuangan Y akan meningkat sebesar -0,993 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β
3
Koefisien regresi untuk variabel jumlah Profitabilitas X
= 0,539
3
sebesar 0,539. Tanda positif menunjukkan terjadinya perubahan yang
searah dari variabel Profitabilitas X
3
terhadap variabel
76
Kelengkapan Pengungkapan Laporan Keuangan Y, yang artinya apabila variabel Profitabilitas X
3
mengalami peningkatan sebesar 1Rupiah Rp maka variabel nilai Kelengkapan Pengungkapan
Laporan Keuangan Y akan meningkat sebesar 0,539, demikian sebaliknya apabila variabel Profitabilitas X
3
mengalami penurunan sebesar 1 Rupiah Rp maka variabel Kelengkapan
Pengungkapan Laporan Keuangan Y akan menurun sebesar 0,539 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β
4
= 0,021
Menunjukkan besarnya nilai koefisien regresi untuk variabel Porsi Saham Publik X
4
yaitu 0,021 dan mempunyai koefisien regresi negatif. Hal ini menunjukkan terjadinya perubahan yang
berlawanan arah dengan variabel terikat. Jadi setiap ada kenaikan pada variabel Porsi Saham Publik X
4
sebesar 1 persen , dapat menurunkan variabel Kelengkapan Pengungkapan Laporan
Keuangan Y sebesar 0,021 dan sebaliknya apabila terjadi penurunan pada variabel Porsi Saham Publik X
4
4.3.3. Uji Asumsi Klasik
sebesar 1 persen , dapat menaikkan pula Kelengkapan Pengungkapan Laporan
Keuangan Y sebesar 0,021 dengan asumsi bahwa variabel- variabel yang lain adalah konstan.
Teknik analisis yang digunakan dalam penelitian ini adalah model regresi yang diperoleh dari model kuadrat terkecil biasa ordinary least
77
squares merupakan model regresi yang menghasilkan estimasi linier tidak bias yang terbaik Best linear Unbias Estimator BLUE. Kondisi ini akan
terjadi jika dipenuhi beberapa asumsi klasik yaitu :
1. Pengujian Multikolinieritas
Merupakan suatu keadaan dimana satu atau lebih variable bebas berkorelasi sempurna dengan variable bebas lainnya. Multikolinieritas
dapat dilihat dengan menggunakan nilai VIF Variance Inflation Factor.
Pedoman suatu model regresi yang bebas multiko adalah Santoso, 2002:203 :
1 Mempunyai nilai VIF di sekitar angka 1
2 Mempunyai angka tolerance mendekati 1
3 Koefisien korelasi antara variable bebas haruslah lemah di bawah
0,5 . Jika korelasi kuat, maka terjadi problem multiko. Berdasarkan hasil pengujian, diperoleh hasil bahwa nilai VIF untuk
masing-masing variabel adalah sebagai berikut:
Tabel 4.8. Hasil Pengujian Multikolinier No
Variabel Tolerance
VIF Keterangan
1 2
3 4
Leverage X
1
Likuiditas X
2
Profitabilitas X
3
Porsi Saham Publik X
4
0,798 0,935
0,829 0,945
1,254 1,069
1,206 1,058
Non Multikolinier Non Multikolinier
Non Multikolinier Non Multikolinier
Sumber : Lampiran 3 Multikolinearitas merupakan satu keadaan dimana satu atau lebih
variabel independent terdapat korelasi atau hubungan dengan variabel independent lainnya. Dari diagnosis atau dugaan adanya multikolinearitas
78
tersebut maka perlu adanya pembuktian atau identifikasi secara statistik ada tidaknya gejala multikolinearitas yang dapat dilakukan dengan cara
menghitung Variance Inflaction Factor VIF. VIF menyatakan tingkat “pembengkakan” variance, apabila nilai VIF lebih besar dari 10, hal itu
berarti terdapat multikolinearitas pada persamaan
2. Pengujian Heteroskedastisitas
Hasil uji heteroskedastisitas diperoleh dari hasil pengujian dengan menggunakan bantuan program SPSS 13.0 dengan melihat Rank
Spearman’s Correlation. Hasil pengujian Rank Spearman’s dapat dilihat pada tabel berikut ini:
Tabel 4.9. Hasil Pengujian Heteroskedastisitas No
Variabel Nilai mutlak
dari residual Taraf
Signifikansi Keterangan
1. 2.
3. 4.
Leverage X
1
Likuiditas X
2
Profitabilitas X
3
Porsi Saham Publik X
4
0,022 0,146
-0,047 -0,003
0,438 0,143
0,367 0,490
Non Heteroskedastisitas Non Heteroskedastisitas
Non Heteroskedastisitas Non Heteroskedastisitas
Sumber : Lampiran 4 Uji heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual atau pengamatan ke pengamatan lainnya. Kebanyakan data cross section mengandung situasi
heteroskedastisitas, karena ini mengimpun data yang terwakili berbagai ukuran kecil, sedang, dan besar.
Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan cara menggunakan uji Rank Spearman
79
yaitu dengan membandingkan antara residual dengan seluruh variabel bebas. Mendeteksi adanya heteroskedastisitas adalah sebagai berikut :
Gujarati, 1999 : 177 . a.
Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas b.
Nilai probabilitas 0,05 berarti terkena heteroskedastisitas Dari hasil korelasi tersebut tidak diperoleh adanya korelasi yang
signifikan antara Unstandardized Residual dengan masing-masing variabel bebas yang diteliti, dengan nilai taraf signifikansi lebih besar dari 0,05,
sehingga dapat disimpulkan bahwa tidak terjadi penyimpangan
heteroskedastisitas pada variabel-variabel bebas yang diteliti 3.
Pengujian Autokorelasi
Autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Panduan untuk mendeteksi
autokorelasi bisa dilihat pada table D-W Durbin-Watson. Deteksi adanya autokorelasi :
1 Angka D-W di bawah -2 berarti ada autokorelasi positif
2 Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi
3 Angka D-W di atas +2 berarti ada autokorelasi negatif
Dalam penelitian ini, besarnya Durbin Watson setelah dianalisis adalah 1,859 lampiran 8. Berdasarkan hasil uji diatas dapat diketahui
bahwa besarnya nilai Durbin Watson berada di antara -2 sampai +2. Dan
80
dapat disimpulkan karena nilai dari analisis sebesar 1,819 berarti tidak ada autokoeralasi sehingga dapat diputuskan bahwa telah terbebas dari
penyimpangan autokorelasi.
4.3.4. Deskripsi Hasil Pengujian Hipotesis
4.3.4.1. Hasil Pengujian Pengaruh Simultan Variabel Leverage X
1
, Likuiditas X
2
, Profitabilitas X
3
dan Porsi Saham Publik X
4
Uji F Untuk menguji pengaruh parsial yang digunakan dalam penelitian tentang pengaruh keseluruhan variabel X terhadap Y. Hasil
pengujian hipotesis dengan menggunakan uji F adalah sebagai berikut:
Tabel 4.10. Hasil Uji F ,
Terhadap Kelengkapan Pengungkapan Laporan Keuangan Y.
Sumber: Lampiran 3 Berdasarkan hasil pengujian diketahui bahwa nilai F
hitung
yang diperoleh adalah sebesar 0,923 dengan taraf signifikan sebesar 0,458
lampiran 3. Karena taraf signifikansi yang lebih besar dari 0,05, maka model regresi yang dihasilkan dalam penelitian ini tidak cocok digunakan
dalam untuk menguji hipotesis yang diajukan dan secara parsial variabel Leverage X
1
, Profitabilitas X
2
, Likuiditas X
3
, Porsi Saham Publik X
4
tidak berpengaruh terhadap Kelengkapan Pengungkapan Laporan Keuangan Y.
81
Berdasarkan hasil pengujian diketahui bahwa secara bersama-sama variabel Leverage X
1
, Likuiditas X
2
, Profitabilitas X
3
dan Porsi Saham Publik X
4
Terhadap Kelengkapan Pengungkapan Laporan
Keuangan Y, memiliki nilai koefisien korelasi R sebesar 0,262
lampiran 4. Hal tersebut menunjukkan adanya korelasi yang kuat antara variabel variabel Leverage X
1
, Likuiditas X
2
, Profitabilitas X
3
dan Porsi Saham Publik X
4
Terhadap Kelengkapan Pengungkapan Laporan Keuangan Y, sedangkan besarnya nilai koefisien determinasi R
2
adalah 0,069 lampiran 3 yang berarti bahwa variabel Leverage X
1
, Likuiditas X
2
, Profitabilitas X
3
dan Porsi Saham Publik X
4
4.3.4.2.Hasil Pengujian Pengaruh Hipotesis
Terhadap Kelengkapan Pengungkapan Laporan Keuangan Y. mampu menjelaskan
perubahan pada variabel Kelengkapan Pengungkapan Laporan Keuangan Y sebesar 6,9 dan sisanya sebesar 83,1 dijelaskan oleh variabel lain
yang tidak dibahas dalam masalah penelitian ini.
Adapun hasil dari pengujian dengan menggunakan uji t adalah sebagai berikut:
Tabel 4.11. Hasil Uji t
Sumber: Lampiran 3
82
Sedangkan untuk pengaruh nyata tidaknya masing-masing variabel dapat dijelaskan sebagai berikut :
1. Pengaruh Variabel Leverage X
1
Nilai koefisien korelasi r parsial variabel Leverage X Terhadap Kelengkapan
Pengungkapan Laporan Keuangan Y.
1
dengan Kelengkapan Pengungkapan Laporan Keuangan Y adalah sebesar -
0,008. Sedangkan nilai koefisien determinasi atau pengaruh r
2
parsial variabel Leverage X
1
dengan Kelengkapan Pengungkapan Laporan Keuangan Y adalah sebesar -0,008
2
= 0,000064 atau 0,0064. Jadi pengaruh yang telah diberikan antara Variabel
Leverage X
1
dengan Kelengkapan Pengungkapan Laporan Keuangan Y sebesar 0,0064. Sedangkan nilai t
hitung
yang diperoleh adalah -0,059 dengan taraf signifikan sebesar 0,953. Karena taraf
signifikan yang diperoleh lebih besar dari 0,05, maka secara nyata Leverage
X
1
2. Pengaruh Variabel Likuiditas X
berpengaruh negatif terhadap
Kelengkapan Pengungkapan Laporan Keuangan Y.
2
Nilai koefisien korelasi r parsial variabel Likuiditas X Terhadap Kelengkapan
Pengungkapan Laporan Keuangan Y
2
dengan Kelengkapan Pengungkapan Laporan Keuangan Y adalah sebesar -
0,083. Sedangkan nilai koefisien determinasi atau pengaruh r
2
parsial variabel Likuiditas X
2
terhadap Kelengkapan Pengungkapan Laporan Keuangan Y adalah sebesar -0,083
2
= 0,006889 atau 0,68. Jadi pengaruh yang telah diberikan antara variabel Likuiditas
83
X
2
dengan Kelengkapan Pengungkapan Laporan Keuangan Y sebesar 0,68. Sedangkan nilai t
hitung
yang diperoleh adalah -0,592 dengan taraf signifikan sebesar 0,557. Karena taraf signifikan yang
diperoleh lebih besar dari 0,05, maka secara nyata Likuiditas X
2
3. Pengaruh Variabel Profitabilitas X
berpengaruh negatif terhadap Kelengkapan Pengungkapan Laporan Keuangan Y.
3
Nilai koefisien korelasi r parsial variabel Profitabilitas X Terhadap Kelengkapan
Pengungkapan Laporan Keuangan Y
3
dengan Kelengkapan Pengungkapan Laporan Keuangan Y adalah sebesar
0,215. Sedangkan nilai koefisien determinasi atau pengaruh r
2
parsial variabel Profitabilitas X
3
terhadap Kelengkapan Pengungkapan Laporan Keuangan Y adalah sebesar 0,215
2
= 0,046225 atau 4,62. Jadi pengaruh yang telah diberikan antara
variabel Profitabilitas X
3
dengan Kelengkapan Pengungkapan Laporan Keuangan Y sebesar 4,62. Sedangkan nilai t
hitung
yang diperoleh adalah 1,559 dengan taraf signifikan sebesar 0,125. Karena
taraf signifikan yang diperoleh lebih besar dari 0,05, maka secara nyata Profitabilitas X
3
4. Pengaruh Variabel Porsi Saham Publik X
berpengaruh positif terhadap Kelengkapan Pengungkapan Laporan Keuangan Y.
4
Nilai koefisien korelasi r parsial variabel Porsi Saham Publik X Terhadap Kelengkapan
Pengungkapan Laporan Keuangan Y
4
dengan Kelengkapan Pengungkapan Laporan Keuangan Y adalah
84
sebesar 0,124. Sedangkan nilai koefisien determinasi atau pengaruh r
2
parsial variabel Porsi Saham Publik X
4
terhadap Kelengkapan Pengungkapan Laporan Keuangan Y adalah sebesar 0,124
2
= 0,015376 atau 1,53. Jadi pengaruh yang telah diberikan antara
variabel Porsi Saham Publik X
4
dengan Kelengkapan Pengungkapan Laporan Keuangan Y sebesar 1,53. Sedangkan nilai t
hitung
yang diperoleh adalah 0,882 dengan taraf signifikan sebesar 0,382. Karena
taraf signifikan yang diperoleh lebih besar dari 0,05, maka secara nyata Porsi Saham Publik X
4
4.4. Pembahasan
Kategori