dilakukan penggabungan Bursa Efek Surabaya BES ke Bursa Efek Jakarta BEJ dan berubah nama menjadi Bursa Efek Indonesia BEI.
Dari populasi yang ada, sampel diambil berdasarkan kriteria yang telah ditetapkan, yaitu sebanyak 21 perusahaan dengan tiga tahun pengamatan
sehingga berjumlah 63 unit analisis.
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan regresi linear berganda. Pengujian asumsi
klasik dan regresi dilakukan dengan menggunakan software SPSS versi 16. Proses pengolahan data dimulai dengan memasukkan variabel-variabel
penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan.
4.2. Analisis Data Hasil Penelitian
4.2.1. Statistik Deskriptif
Analisis statistik deskriptif merupakan metode analisis yang digunakan untuk memberikan gambaran yang dilihat dari frekuensi dan
deskriptif minimum, mkasimum, mean, standar deviasi dari setiap variable, baik variable independen maupun variable dependen. Hasil
analisis statistic deskriptif disajikan pada table berikut ini:
Universitas Sumatera Utara
Tabel 4.1.
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation DebtCovenant
63 .01
41.99 8.5074
11.67292 GrowthOpportunities
63 .17
35.40 2.7627
5.52894 Konservatisme
63 -434.00
334.00 -8.8317
130.70389 Valid N listwise
63
Sumber: Hasil Pengolahan SPSS 16 2012
Berdasarkan table 4.1. dapat dideskripsikan sebagai berikut: 1. Jumlah seluruh sampel dalam penelitian ini yang dapat dilihat dari
nilai N sebanyak 63 unit analisis yang terdiri dari 21 perusahaan dalam tiga tahun pengamatan. Jumlah data yang valid adalah 63,
yang menunjukkan bahwa semua data valid. Penelitian ini menggunakan dua variable independen dengan skala rasio yaitu debt
covenant X1 dan growth opportunities X2, dan satu variable dependen dengan skala nominal yaitu konservatisme Y.
2. Variable independen yang pertama yaitu debt covenant memiliki nilai minimum 0.01, maksimum 41.99 dan mean 8.5074 yang berarti
nilai debt covenant yang dimiliki perusahaan sampel paling sedikit 0.01, paling banyak 41.99 dan rata-rata 8.057 dengan standar deviasi
11.67292. 3. Variable independen yang kedua yaitu growth opportunitiesmemiliki
nilai minimum 0.17, maksimum 35.40 dan mean 2.7627 yang berarti
Universitas Sumatera Utara
tingkat growth opportunities perusahaan sampel paling rendah 0.17, paling tinggi 35.40 dan rata-rata 2.7627 dengan standar deviasi
5.52894. 4. Variable dependen yaitu konservatisme memiliki nilai minimum -
434.00, maksimum 334.00 dan mean -8.8317 yang berarti tingkat konservatisme perusahaan sampel paling rendah -434.00, paling
tinggi 334.00 dan rata-rata -8.8317 dengan standar deviasi 130.70389.
4.2.2. Pengujian Asumsi Klasik
4.2.2.1. Uji Normalitas Data
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variable pengganggu atau residual
memiliki distribusi normal atau tidak. Uji normalitas dapat dilakukan dengan analisis grafik dan uji statistik.
Hasil uji normalitas dalam penelitian ini awalnya tidak terdistribusi secara normal. Untuk mengatasi masalah tersebut,
maka dilakukanwinsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu. Hasil uji normalitas setelah data
terdistribusi normal disajikan sebagai berikut:
Universitas Sumatera Utara
Gambar 4.1. Grafik Histogram
Sumber: Hasil Pengolahan SPSS 16 2012
Pada gambar 4.1. dapat dilihat bahwa data terdistribusi normal karena grafik histogram menunjukkan distribusi data tidak menceng ke
kiri atau menceng ke kanan.
Universitas Sumatera Utara
Gambar 4.2. Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS 16 2012
Pada gambar 4.2. grafik normal P-Plot memperlihatkan titik-titik menyebar di sekitar garis diagonal serta penyebarannya mendekati garis
diagonal sehingga dapat disimpulkan bahwa data terdistribusi normal.
Universitas Sumatera Utara
Tabel 4.2. Hasil Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parameters
a
Mean .0000000
Std. Deviation 1.29976091E2
Most Extreme Differences Absolute
.153 Positive
.138 Negative
-.153 Kolmogorov-Smirnov Z
1.216 Asymp. Sig. 2-tailed
.104 a. Test distribution is Normal.
Sumber: Hasil Pengolahan SPSS 16 2012 Pada table 4.2. hasil uji kolmogorov-smirnov menunjukkan nilai
Asymp.Sig.2-tailed 0.104 lebih besar dari nilai signifikansinya 0.05 0.104 0.05, yang artinya adalah data terdistribusi secara normal.
Hasil ini sesuai dengan grafik histogram dan grafik normal P-Plot yang menggambarkan data terdistribusi normal.
4.2.2.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variable bebas.
Model regresi yang baik adalah yang tidak terjadi korelasi antara variable-variabel independen. Uji multikolinearitas pada
Universitas Sumatera Utara
penelitian ini dilakukan dengan melihat angka tolerance dan nilai VIF dari masing-masing variabel independen yang diuji.
Hasil pengujian multikolinearitas dalam penelitian ini disajikan sebagai berikut:
Tabel 4.3. Hasil Uji Multikolinearitas
Sumber: Hasil Pengolahan SPSS 16 2012 Untuk mengetahui multikolinearitas dapat dilihat dari
nilai Variance Inflation Factor VIF dan nilai toleransi tolerance value. Nilai cut off yang umum dipakai adalah
nilai toleransi 0.10 atau sama dengan nilai VIF 10. Jika nilai VIF lebih besar dari 10, maka terjadi multikolinearitas
yang cukup berat antara variable independen. 1. Variable debt covenant memiliki nilai tolerance 0.992 yang
lebih besar dari 0.10 dan nilai VIF 1.008 yang lebih besar dari 10.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1Constant
-20.272 21.924
-.925 .359
DebtCovenant .787
1.443 .070
.545 .587
.992 1.008
GrowthOpportunities 1.717
3.046 .073
.564 .575
.992 1.008
a. Dependent Variable: Konservatisme
Universitas Sumatera Utara
2. Variable growth opportunities memiliki nilai tolerance 0.992 yang lebih besar dari 0.10 dan nilai VIF 1.008 yang
lebih besar dari 10. Dari hasil pengujian yang dilakukan terlihat bahwa
tidak ada nilai tolerance yang kurang dari 0.10 dan tidak ada angka VIF yang lebih dari 10, maka dapat disimpulkan bahwa
tidak terjadi multikolinearitas antar variabel bebas dalam model regresi.
4.2.2.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan “menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain” Ghozali, 2007: 105. Model regresi yang baik adalah yang homoskedastisitas, atau
tidak terjadi heteroskedastisitas. Hasil pengujian heteroskedastisitas dapat dilihat dari
grafik scatterplot berikut ini:
Universitas Sumatera Utara
Gambar 4.3. Scatterplot
Sumber: Hasil Pengolahan SPSS 1666 2012
Hasil pengujian heterokedastisitas dengan jelas menunjukkan bahwa tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka nol pada sumbu Y. Dengan demikian, dapat disimpulkan bahwa tidak terjadi
heterokedastisitas dalam model regresi tersebut. Selain scatterplot, heteroskedastisitas juga dapat diuji
dengan uji glejser. Hasilnya dapat dilihat pada tabel berikut :
Universitas Sumatera Utara
Tabel 4.4. Hasil Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-20.272 21.924
-.925 .359
DebtCovenant .787
1.443 .070
.545 .587
GrowthOpportunities 1.717
3.046 .073
.564 .575
a. Dependent Variable: Konservatisme
Sumber: Hasil Pengolahan SPSS 16 2012 Dari hasil regresi diatas menunjukkan bahwa
probabilitas signifikansinya adalah 0.587 dan 0.575. Semuanya berada diatas 0.05 maka dapat dipastikan tidak terjadi
heteroskedastisitas pada model regresi.
4.2.2.4. Uji Autokorelasi
Uji autokorelasi bertujuan “menguji apakah model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1” Ghozali, 2007: 95. Auto korelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lainnya.
Universitas Sumatera Utara
Untuk mengetahui adanya autokorelasi dilakukan dengan uji Durbin Watson.
Hasil uji Durbin Watson disajikan dalam table berikut ini:
Tabel 4.5. Uji
Durbin Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .105
a
.011 -.022
132.12460 2.215
a. Predictors: Constant, GrowthOpportunities, DebtCovenant b. Dependent Variable: Konservatisme
Sumber: Hasil Pengolahan SPSS 16 2012 Tabel 4.5. memperlihatkan nilai statistik D-W sebesar
2.215lebih besar dari batas atas du 1.736 dan kurang dari 4- 1.736 4-du, yang berarti tidak terjadi autokorelasi.
4.2.3. Pengujian Hipotesis Penelitian