Metode Analisis Data

3.5 Metode Analisis Data

3.5.1 Statistik Deskriptif

Statistik deskriptif digunakan untuk menganalisis dan menyajikan data kuantitatif dengan tujuan untuk mengetahui gambaran perusahaan yang dijadikan sampel penelitian. Dengan menggunakan statistik deskriptif maka dapat diketahui nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness (Ghozali, 2006).

3.5.2 Pengujian Asumsi Klasik

Agar dalam penelitian ini diperoleh hasil analisis data yang memenuhi syarat pengujian, maka dalam penelitian dilakukan pengujian asumsi klasik untuk pengujian statistik. Untuk memperoleh model regresi yang memberikn hasil regresi yang baik (BLUE = Blue Linier Unbiased Estimate ), maka model tersebut perlu diuji asumsi dasar klasik dengan metode Ordinary Least Square (OLS) atau pangkat kuadrat terkecil biasa. Model regresi dikatakan BLUE apaila tidak terdapat Autokorelasi, Multikolinieritas, Heterodeksitas, dan Normalitas. Berikut ini penjelasan mengenai uji asumsi klasik yang akan dilakukan (Ghozali, 2006).

1) Uji Normalitas

Uji Normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Untuk mendeteksi apakah variabel pengganggu memiliki distribusi normal atau tidak dengan uji statistik non-parametrik Kolmogrov-Smirnov (K-S) (Ghozali, 2006). Uji K-S dilakukan dengan membuat hipotesis :

data residual berdistribusi normal.

data residual tidak berdistribusi normal.

Suatu regresi yang memiliki distribusi data residual normal apabila hasil dari uji K-S memiliki tingkat signifikansi lebih besar dari 0,05 (> 0,05) .

2) Uji Autokorelasi

Uji Autokolerasi atau asumsi indpendensi residual menggunakan metode Durbin- Watson. Uji Durbin-Watson hanya digunakan untuk autokolerasi tingkat satu (first order autocorrelation) dan hanya mensyaratkan adanya intersept (konstanta) dalam model regresi dan tidak ada variabel lag diantara variabel independen. Dimana dalam metodenya dinyatakan jika nilai menunjukkan nilai sekitar angka 2 yang secara umum dijadikan patokan untuk menyimpulkan terjadinya independensi residual (Ghozali, 2006).

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antar residual pada periode t dengan residual periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya (Ghozali, 2006).

Pengambilan keputusan ada atau tidaknya autokorelasi menurut Ghozali (2006) yaitu:

0 < nilai DW < dl

= ada autokorelasi positif

dl ≤ nilai DW ≤ du

= tidak ada autokorelasi positif

du < nilai DW < 4-du

= tidak ada autokorelasi

4-du ≤ d ≤ 4-dl

= tidak ada korelasi negatif

4-dl < nilai DW < 4

= ada korelasi negatif

3) Uji Heteroskedastisitas

Uji Heteroskedastisitas 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 yang lain tetap, maka disebut Heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi Heteroskedastisitas (Ghozali, 2006). Untuk mendeteksi ada atau tidaknya heteroskedastisidas digunakan metode grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada Uji Heteroskedastisitas 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 yang lain tetap, maka disebut Heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi Heteroskedastisitas (Ghozali, 2006). Untuk mendeteksi ada atau tidaknya heteroskedastisidas digunakan metode grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada

4) Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas/independen. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen (Ghozali,2006). Untuk mendeteksi ada atau tidaknya multikolinearitas dalam model regresi dengan melihat nilai tolerance dan lawannya nilai variance inflation factor (VIF). Suatu model regresi yang terdapat multikolinearitas apabila nilai tolerance < 0,10 atau sama dengan nilai VIF > 10.

3.5.3 Pengujian Hipotesis

3.5.3.1 Uji Regresi Linear Berganda

Variabel dependen dalam penelitian ini yaitu manajemen laba yang diprediksikan dipengaruhi oleh variabel independen yaitu asimetri informasi dan dimoderasi oleh corporate governance . Persamaan regresi yang digunakan dalam penelitian ini adalah sebagai berikut:

Model 1 DACC = α 0 + α 1 ADJSPREAD+ α 2 KDK+ α 3 ADJSPREAD*KDK+ α 4 UKP Model 2 DACC= α 0 + α 1 ADJSPREAD+ α 2 UDK + α 3 ADJSPREAD*UDK+ α 4 UKP Model 3 DACC= α 0 + α 1 ADJSPREAD+ α 2 UKA + α 3 ADJSPREAD*UKA+ α 4 UKP

Keterangan: DACC

: Discretionary accruals AJDSPREAD : proksi asimetri informasi

KDK : Komposisi Dewan Komisaris UDK

: Ukuran Dewan Komisaris UKA

: Ukuran Komite Audit UKP

: Ukuran Perusahaan