Analisis Statistik Deskriptif Uji Asumsi Klasik .1 Uji Normalitas

44 BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Penelitian ini menggunakan perusahaan property dan real estate yang terdaftar di Bursa Efek Indonesia dari tahun 2009-2011 sebagai objek penelitian. Setelah dilakukan penyeleksian berdasarkan kriteria yang telah ditetapkan, maka didapat 18 perusahaan sebagai sampel penelitian dalam tiga tahun penelitian yang berarti 54 unit analisis. Metode yang digunakan untuk menganalisis data dalam penelitian ini adalah statistik deskriptif, pengujian asumsi klasik dan analisis regresi berganda. Pengolahan di mulai dari menginput dan mengolah data ke microsoft excel kemudian melakukan pengujian dengan menggunakan software SPSS versi 20. Kemudian di dapat output-output yang dihasilkan berdasarkan metode analisis yang telah ditentukan.

4.2 Analisis Hasil Penelitian

4.2.1 Analisis Statistik Deskriptif

Menurut Erlina 2011, “statistik deskriptif merupakan proses transformasi data penelitian dalam bentuk tabulasi, sehingga mudah dipahami dan diinterprestasikan”. Statistik deskriptif umumnya digunakan untuk memberi informasi mengenai variabel penelitian yang utama. Ukuran yang digunakan berupa : frekuensi, tendensi sentral rata-rata, median, modus, dispersi deviasi standar, variance dan pengukur- pengukur bentuk measure of shape. Universitas Sumatera Utara 45 Tabel 4.1 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation ROE 54 .0023 .3137 .092296 .0657188 Dewan Komisaris 54 2.0000 10.0000 5.074074 1.9700766 Komisaris Independen 54 .3300 .7500 .447444 .0994021 Dewan Direksi 54 2.0000 10.0000 5.888889 2.2875105 Komite Audit 54 2.0000 3.0000 2.962963 .1906259 Valid N listwise 54 Berdasarkan hasil penelitian di atas diketahui bahwa : a. Persentase Return on Equity ROE yang dimiliki perusahaan sampel adalah minimum 0.23, maksimum 31.37, mean nilai rata-rata 9.22 dan standar deviasi simpangan baku 6.57. b. Jumlah dewan komisaris yang dimiliki perusahan sampel adalah minimum 2 orang, maksimum 10 orang, mean nilai rata-rata 5 orang dan standar deviasi simpangan baku 1.97. c. Persentase komisaris independen yang dimiliki perusahaan sampel adalah minimum 33, maksimum 75, mean nilai rata-rata 44.74 dan standar deviasi simpangan baku 9.94. d. Jumlah dewan direksi yang dimiliki perusahaan sampel adalah minimum 2 orang, maksimum 10 orang, mean nilai rata-rata 6 orang dan standar deviasi simpangan baku 2.2875. e. Jumlah komite audit yang dimiliki perusahaan sampel adalah minimum 2 orang, maksimum 3 orang, mean nilai rata-rata 3 orang dan standar deviasi simpangan baku 0.1906. Universitas Sumatera Utara 46 4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal. Tujuan uji normalitas adalah untuk mengetahui apakah model regresi variabel pengganggu atau residual memiliki distribusi normal. Menurut Ghozali 2010, “ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan analisis statistik”. Penelitian ini menggunakan analisis statistik dengan uji Kolmogrov Smirnov. Pedoman pengambilan keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogrov Smirnov dapat dilihat dari : 1. Nilai Sig. atau signifikan 0.05, maka distribusi data tidak normal. 2. Nilai Sig. atau signifikan 0.05, maka distribusi data adalah normal. Apabila distribusi data tidak normal, maka perlu dilakukan transformasi data atau menambah maupun mengurangi data. Hasil uji normalitas untuk penelitian ini adalah : Universitas Sumatera Utara 47 Tabel 4.2 Uji Normalitas Berdasarkan hasil pengolahan data one-sample kolmogrov- smirnov di atas dapat disimpulkan bahwa seluruh variabel sudah berdistribusi normal. Hal ini terlihat dari nilai Asymp Sig. 2-tailed Kolmogrov-Smirnov dari penelitian ini lebih besar dari 0.05, yaitu sebesar 0.418. Dengan demikian, secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya. Hal ini juga ditunjukkan dengan gambar histogram dan PP plot, yaitu sebagai berikut : One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 54 Normal Parameters a,b Mean 0E-7 Std. Deviation .06348755 Most Extreme Differences Absolute .120 Positive .120 Negative -.063 Kolmogorov-Smirnov Z .882 Asymp. Sig. 2-tailed .418 a. Test distribution is Normal. b. Calculated from data. Universitas Sumatera Utara 48 Gambar 4.1 Histogram Pada tampilan grafik histogram terlihat bahwa grafik memberikan pola distribusi normal. Hal ini dapat di lihat dari bentuk kurva yang memiliki kemiringan yang cenderung seimbang, baik sisi kiri maupun sisi kanan. Gambar 4.2 Grafik Normal P-P Plot of Regression Standardized Residual Universitas Sumatera Utara 49 Pada grafik normal P-P plot menunjukkan bahwa titik-titik pada grafik telah mendekati sumbu diagonalnya. Hasil tersebut menunjukkan bahwa residual telah terdistribusi secara normal. Dengan demikian, dapat dilanjutkan dengan pengujian asumsi klasik lainnya.

4.2.2.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk meneliti apakah dalam model regresi ditemukan adanya korelasi di antara variabel independen. Jika terjadi korelasi, berarti terjadi masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk melihat ada atau tidaknya multikolinearitas dalam model regresi dilihat dari nilai tolerance dan lawannya Variance Inflation Factor VIF. Batasan umum yang dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,1 atau VIF 10. Tabel 4.3 Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Dewan Komisaris .893 1.119 Komisaris Independen .936 1.069 Dewan Direksi .844 1.185 Komite Audit .903 1.107 a. Dependent Variable: ROE Universitas Sumatera Utara 50 Dari tabel di atas menunjukkan hasil sebagai berikut : a. Variabel dewan komisaris tidak terjadi multikolinearitas karena nilai tolerance sebesar 0,893 0,1 dan nilai VIF sebesar 1,119 10. b. Variabel komisaris independen tidak terjadi multikolinearitas karena nilai tolerance sebesar 0,936 0,1 dan nilai VIF sebesar 1,069 10. c. Variabel dewan direksi tidak terjadi multikolinearitas karena nilai tolerance sebesar 0,844 0,1 dan nilai VIF sebesar 1,185 10. d. Variabel komite audit tidak terjadi multikolinearitas karena nilai tolerance sebesar 0,903 0,1 dan nilai VIF sebesar 1,107 10.

4.2.2.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Uji heteroskedastisitas dapat di lakukan dengan memperhatikan pola gambar Scatterplot di mana bila membentuk titik-titik yang Universitas Sumatera Utara 51 menyebar secara acak dan tidak membentuk pola yang jelas maka menunjukkan bahwa tidak terdapat masalah heteroskedastisitas. Gambar 4.3 Uji Heteroskedastisitas Grafik Scatterplot di atas memperlihatkan bahwa titik-titik menyebar secara acak dan tidak membentuk sebuah pola yang teratur, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Berdasarkan hasil tersebut dapat disimpulkan bahwa tidak terjadi heteroskedastisitas atau bersifat homoskedastisitas.

4.2.2.4 Uji Autokorelasi

Uji ini digunakan untuk menguji ada atau tidaknya korelasi antara variabel pengganggu pada periode tertentu dengan variabel penganggu pada periode sebelumnya. Persamaan regresi yang baik adalah yang tidak memiliki masalah autokorelasi, jika terjadi Universitas Sumatera Utara 52 autokorelasi maka persamaan tersebut menjadi tidak baik dipakai prediksi. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson. Tabel 4.4 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .258 a .067 -.009 .0660280 1.762 a. Predictors: Constant, Komite Audit, Dewan Komisaris, Komisaris Independen, Dewan Direksi b. Dependent Variable: ROE Dari tabel 4.4 di atas menjelaskan bahwa nilai Durbin Watson diperoleh sebesar 1.762. Angka ini terletak di antara -2 dan +2, maka dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.

4.2.3 Analisis Regresi