Tabel 4.10 Hasil Analisis Kelas Interval Variabel Komite Audit Interval
Kriteria Frekuensi
Persentase
2 Rendah
2 2,29
3 Cukup
75 86,21
4 Tinggi
10 11,50
TOTAL 87
100
Sumber: Data yang diolah, 2013 Dari tabel 4.10dapat dilihatterdapat2 atau 2,29 unit analisis berada pada
kategori rendah, 75 atau 86,21 berada pada kategori cukup dan sisanya sebanyak 10 atau 11,50 unit analisis memiliki jumlah komite audit dalam
kategori tinggi. Dari hasil tersebut dapat disimpulkan bahwa secara umum jumlah komite audit yang dimilikioleh perusahaan sampel berada dalam kategori cukup
yang berarti telah memenuhi ketentuan yang disyaratkan oleh Bapepam untuk jumlah komite audit yaitu sekurang-kurangnya 3 orang.
4.1.2. Uji Prasarat
4.1.2.1.Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah model regresi, variabel pengganggu atau residual memiliki distribusi normal. Suatu model regresi yang
baik adalah dimana semua datanya berdistribusi normal atau mendekati normal. Dalam penelitian ini, distribusi normal dideteksi dengan analisis grafik histogram
dan grafik normal probability plot serta analisis statistik non-parametrik Kolmogorov-Smirnov.
1. Metode grafik
Berdasarkan hasil dari uji normalitas dengan metode grafik histogram pada penelitian ini, dapat dilihat pada gambar 4.1 berikut:
Gambar 4.1 Histogram
Tampilan grafik histogram berbentuk seperti lonceng, tidak terlalu menceng kekanan atau menceng kekiri yang menunjukkan pola distribusi
mendekati normal. Grafik normal probability plot dapat dilihat pada gambar 4.2 berikut ini:
Gambar 4.2Grafik normal probability plot
Grafik tersebut menunjukkan penyebaran data yang merata disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Hal ini berarti data
memenuhi asumsi normalitas.
2. Metode statistik One Sample Kolmogorov Smirnov
Seperti yang telah dijelaskan sebelumnya bahwa uji normalitas selain menggunakan metode grafik, digunakan juga metode statistic non-parametrik
Kolmogorov-Smirnov terhadap data residual regresi. hasil uji ini dapat dilihat pada tabel berikut:
Tabel 4.11 Hasil Uji Kolmogorov-Smirnov
Hasil uji ini menunjukkan nilai Kolmogorov-Smirnov sebesar 1.210 dan Asymp. Sig. 2-tailed sebesar 0,107. Hal ini berarti data terdistribusi normal
karena tingkat signifikansinya melebihi α=0,05.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 87
Normal Parameters
a
Mean .0000000
Std. Deviation .53557159
Most Extreme Differences
Absolute .130
Positive .130
Negative -.058
Kolmogorov-Smirnov Z 1.210
Asymp. Sig. 2-tailed .107
a. Test distribution is Normal. Sumber: Data yang diolah, 2013
4.1.2.2.Uji Asumsi Klasik
Untuk mengetahuimodel yang digunakan adalah baik, makamodel regresiharus bebas dari asumsi klasik yaitu multikolinearitas, heteroskedastisitas,
dan autokorelasi.
1. Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variable bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi antar variabel bebas independen. Untuk mendeteksi ada atau tidaknya multikolonieritas, dapat dilihat dari nilai tolerance
dan lawannya variance inflation factor VIF. Multikolonieritas dapat dilihat dengan membandingkan nilai tolerace dan variance inflation factor VIF.
Multikolonieritas terjadi apabila nilai tolerance 0,10 dan nilai VIF 10. Hasil uji multikolonieritas dapat dilihat pada tabel berikut:
Tabel 4.12 Hasil Uji Multikolinieritas Coefficient
a
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
3.174 1.188
sqrt_MANJ -.151
.073 -.231
.843 1.186
sqrt_INST -.039
.061 -.068
.948 1.055
sqrt_LEVRG .599
.427 .154
.878 1.139
sqrt_KOMAUD -.843
.556 -.157
.987 1.013
a. Dependent Variable: sqrt_KONSERVATISME
Sumber: Data yang diolah, 2013
Dari hasil uji multikolinieritas tersebut menunjukkan bahwa semua nilai VIF dari variabel kepemilikan manajerial, kepemilikan institusional, leverage dan
komite audit memiliki nilai yang lebih kecil dari 10 dan nilai Tolerance yang lebihbesar dari 0,1. Hasil pengujian model regresi untuk ukuran akrual
tersebutmenunjukkan tidak adanya gejala multikolinearitas dalam model regresi. 2.
Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka
disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedastisitas. Pada penelitian in menggunakan cara dengan melihat grafik plot dan uji Glejser untuk mendeteksi ada tidaknya heteroskedastisitas.
1. Metode Grafik Plot
Gambar 4.3 Grafik Plot Heteroskedastisitas
Pada gambar dapat dilihat bahwa tidak ada pola yang jelas atau menyebar. Titik-titik persebaran berada diatas dan dibawah angka 0 pada sumbu Y. oleh
karena itu dapat disimpulkan bahwa tidak terjadi heteroskedastisitas. 2.
Metode Statistik Metode statistik yang digunakan untuk menguji ada tidaknya
heteroskedastisitas dalam penelitian ini menggunakan uji Glejser yaitu dengan cara meregresikan nilai absolute residual terhadap variabel independen. Ada
tidaknya heteroskedastisitas diketahui dengan melihat signifikansinya terhadap derajat kepercayaan 5. Jika nilai signifikansi 0,05 maka tidak terjadi
heteroskedastisitas, jika nilai signifikansi 0,05 maka mengandung heteroskedastisitas. Hasil uji Glejser dapat dilihat pada tabel berikut ini:
Tabel 4.13 Hasil Uji Heteroskedastisitas-Uji Glejser
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
.541 .764
.709 .480
sqrt_MANJ -.086
.047 -.205
-1.822 .072
sqrt_INST -.015
.039 -.040
-.378 .706
sqrt_LEVRG .537
.275 .216
1.953 .054
sqrt_KOMAUD -.200
.357 -.058
-.559 .578
Dependent Variable: ABSRESID Sumber: Data yang diolah, 2013
Dari Tabel 4.13hasil uji Glejser menunjukkan nilai regresi dari absolute residual terhadap variabel independen lebih dari 0,05 berarti menunjukkan model
bebas dari heteroskedastisitas. 3.
Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan
ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual
kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series
karena ”gangguan” pada seorang individukelompok cenderung mempengaruhi ”gangguan” pada
individukelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.Pengujian autokorelasi dalam
penelitian ini dilakukan dengan menggunakan uji Run Test. Run test sebagai bagian dari statistic non-parametrik dapat digunakan untuk menguji apakah antar
residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run test
digunakan untuk melihat apakah data residual terjadi secara random atau tidak Ghozali,2011.
Hasil output SPSS untuk uji autokorelasi disajikan dalam tabel berikut:
Tabel 4.14 Hasil Uji Autokorelasi Runs Test
Unstandardized Residual
Test Value
a
-.07398 Cases Test Value
43 Cases = Test Value
44 Total Cases
87 Number of Runs
37 Z
-1.617 Asymp. Sig. 2-tailed
.106 a. Median
Sumber: Data yang diolah, 2013
Tabel 4.14menunjukkan bahwa nilai test adalah -0,07398dengan probabilitas 0,106 sehingga dapat disimpulkan bahwa residual random atau tidak
terjadi autokorelasiantar nilai residual karena signifikansi tersebut melebihi α =
0,05. 4.1.3.
Analisis Regresi Berganda
Analisis regresi berganda digunakan untuk mengetahui besarnya pengaruh antara variabel bebas independen yaitu kepemilikan manajerial, kepemilikan
institusional, leverage dan komite audit terhadap variabel terikat dependen yaitu konservatisme akuntansi.
Hasil analisis regresi linear berganda dengan menggunakan SPSS 16 dapat dilihat pada tabel 4.15 berikut:
Tabel 4.15 Hasil Persamaan Regresi Berganda
Model Unstandardized
Coefficients T
Sig. B
Std. Error 1
Constant 3.174
1.188 2.672
.009 sqrt_MANJ
-.151 .073
-2.065 .042
sqrt_INST -.039
.061 -.639
.524 sqrt_LEVRG
.599 .427
1.401 .165
sqrt_KOMAUD -.843
.556 -1.518
.133 a. Dependent Variable: sqrt_KONSERVATISME
Sumber: Data yang diolah, 2013
Berdasarkan tabel 4.15, maka dapat ditulis persamaan regresi sebagai berikut :
KONSERVATISME = 3,174 – 0,151 MANJ – 0,039 INST + 0,599 LVRG –
0,843 KOMAUD + e 1.
Constant = 3,174 menunjukkan tanda positif, hal tersebut dapat diartikan apabila kepemilikan manajerial MANJ, kepemilikan institusional
INST, leverage LVRG dan komite audit KOMAUD konstan atau tetap, maka konservatisme akuntansi KONSERVATISME sebesar 3,174.
2. Koefisien β1 = -0,151 menunjukkan tanda negatif, hal tersebut dapat
diartikan setiap kenaikan 1 kepemilikan saham oleh manajerial akan menurunkan penerapan konservatisme sebesar 0,151 dan faktor lain yang
mempengaruhi dianggap konstan.
4.1.4. Uji Hipotesis
