Metode Analisis Data

D. Metode Analisis Data

Penelitian ini menggunakan statistik deskriptif dan pengujian hipotesis. Analisis statistik dilakukan dengan menggunakan bantuan program SPSS 16.

commit to user

1. Statistik Deskriptif

Statistik deskriptif memberikan gambaran suatu data yang dilihat dari mean, median, standar deviasi, nilai maksimum, nilai minimum dari data sampel. Analisis ini untuk memberikan gambaran distribusi dan perilaku data sampel tersebut.

2. Pengujian Hipotesis

Pengujian hipotesis dilakukan dengan menggunakan analisis regresi berganda. Analisis regresi berganda dilakukan dengan beberapa tahap, yaitu uji asumsi klasik, uji model regresi (goodness of fit), dan uji koefisien regresi (Gujarati, 2003). Pemenuhan asumsi klasik di lakukan dengan uji normalitas, uji multikolinearitas, uji autokorelasi dan uji heterokedastisitas.

a. Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi linier berganda yang digunakan untuk menganalisis dalam penelitian ini terbebas dari penyimpangan asumsi klasik yang meliputi:

1) Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi linier variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak (Ghozali, 2009). Pengujian normalitas data dilakukan dengan

commit to user

dependen memiliki nilai signifikansi lebih dari 5%. Data penelitian yang baik adalah yang berdistribusi secara normal. Apabila data tidak terdistribusi dengan normal, maka data dapat dinormalkan dengan cara transformasi data (Ghozali, 2009).

2) Uji Multikolinearitas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol.

Uji ini untuk menghindari bias dalam proses pengambilan keputusan mengenai pengaruh parsial masing- masing variabel independen terhadap variabel dependen. Multikolinieritas dapat juga dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation factor (VIF). Nilai cutoff yang umum dipakai untuk menunjukkan multikolinieritas adalah nilai tolerance < 0.10 atau sama dengan nilai VIF > 10 (Ghozali, 2006).

commit to user

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pada periode t dengan periode t-1 (sebelumnya). Untuk mengetahui apakah data yang digunakan dalam model regresi terdapat autokorelasi atau tidak, dapat diketahui melalui uji Durbin- Watson (DW). Penentuan hasil dari uji autokorelasi didasarkan pada kriteria-kriteria sebagai berikut ini.

a) Jika 0 < d < dl maka hipotesis nol tidak ada autokorelasi

positif dan ditolak.

b) Jika dl < dl < du maka hipotesis nol tidak ada autokorelasi positif dan tidak ada keputusan (no decision).

c) Jika (4 - dl) < d < 4 maka hipotesis nol tidak ada

autokorelasi negatif dan ditolak.

d) Jika (4 - du) < d < 4-dl maka hipotesis nol tidak ada autokorelasi negatif dan tidak ada keputusan (no decision).

e) Jika du < d < (4 - du) maka hipotesis nol tidak ada autokorelasi positif atau negatif dan tidak ditolak (Ghozali, 2006 : 95).

4) Uji Heteroskedastisitas

Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dan residual satu pengamatan ke pengamatan yang lain (Gujarati, 2003). Jika variance dari residual satu pengamatan ke pengamatan lain

commit to user

heteroskedisitas. Model regresi yang baik adalah yang Homoskedasitas atau tidak terjadi Heteroskedisitas karena data crossection mengandung berbagai ukuran (kecil, sedang, dan besar) (Ghozali, 2006).

Pengujian heteroskedasitas dalam penelitian ini didasarkan pada grafik Scatterplot, dimana jika terlihat titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas atau teratur, serta tersebar di atas dan di bawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.

b. Uji Model Regresi (Goodness of fit)

Ghozali (2009) mengatakan bahwa ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari goodness of fit- nya. Secara statistik dapat diukur dengan:

1) Pengujian Ketepatan ( )

Koefisien determinasi ( ) menunjukkan seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai

yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas, begitu juga sebaliknya.Sesuai dengan pendapat Ghozali (2005), bahwa bila dalam model terdapat variabel

commit to user

menjelaskan variabel dependen.

2) Uji Pengaruh Simultan (Uji F)

Nilai F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasudkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Ada dua hipotesis yang akan di uji:

a) Ho (hipotesis nol): semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen.

b) Ha (hipotesis alternatif): semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen. Uji F dilakukan dengan membandingkan nilai

signifikansi F hitung dengan tingkat signifikan yang telah ditentukan yaitu 0,05. Kriteria pengujiannya sebagai berikut ini:

1) Jika sig F < 0,05 maka Ha didukung,

2) Jika sig F > 0,05 maka Ha tidak didukung. Selain itu dapat juga melakukan perhitungan pengaruh

simultan antara semua variabel independen terhadap dependen dengan membandingkan nilai F hasil perhitungan dengan nilai

F tabel. Bila nilai F hitung lebih besar daripada nilai F tabel maka Ho ditolak dan menerima Ha (Ghozali, 2006).

commit to user

Pengujian ini bertujuan untuk mengetahui hubungan yang signifikan dari masing-masing variabel independen terhadap variabel dependen. Nilai t dalam penelitian ini menggunakan tingkat signifikansi 5%. Variabel independen dikatakan berpengaruh signifikan terhadap variabel dependen apabila nilai sig (p-value) dibawah 5%. Kriteria pengujian sebagai berikut:

1) Jika p-value < 0,05 maka Ha didukung

2) Jika p-value > 0,05 maka Ha tidak didukung Melalui uji t maka kita akan mengetahui apakah kinerja

keuangan berpengaruh secara parsial terhadap timeliness. Selain itu uji ini juga dapat digunakan untuk mengetahui tanda koefisien regresi masing-masing variabel independen sehingga dapat ditentukan arah pengaruh masing-masing variabel independen terhadap variabel dependen.

c. Uji Koefisien Regresi

Pengujian koefisien regresi dimaksud untuk mengetahui apakah secara variabel independen mempunyai pengaruh secara signifikan terhadap variabel dependen, dengan asumsi variabel independen lainnya konstan (Gujarati, 2003).

commit to user

(4)

Keterangan:

= Timeliness, = Konstanta, = Koefisien Persamaan Regresi Prediktor

= Variabel Profitabilitas, = Variabel Leverage, = Variabel Likuiditas, = Variabel Size, = Variabel Good Corporate Governance, dan

e = Faktor Penggangu (error).

commit to user