46 2008 bergerak dari minimal 10,42 hingga 17,97 dengan rata-rata 13,6412 dan
standar deviasi 1,3431. Artinya ukuran minimal perusahaan adalah 10,42 dan maksimal 17,97 dengan standar penyimpangan rata-rata 13,6412. Status
perusahaan menunjukkan bahwa terdapat 52 perusahaan PMDN 72,2 dan 20 perusahaan PMA 27,8. Indeks kelengkapan pengungkapan laporan
keuangan pada perusahaan manufaktur tahun 2006-2008 bergerak dari minimal 0,5588 hingga maksimal 0,9706 dengan rata-rata 0,8085 dan standar
penyimpangan rata-rata 0,0706.
B. Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah analisis regresi ganda. Namun sebelumnya dilakukan uji asumsi klasik untuk
mendeteksi apakah terjadi penyimpangan pada model regresi.
1. Uji Asumsi Klasik
Model regresi dapat digunakan untuk estimasi dengan signifikan dan representatif jika model regresi tersebut tidak menyimpang dari asumsi
klasik regresi berupa: normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi.
a. Uji Normalitas
Uji normalitas dalam penelitian ini digunakan untuk mengetahui apakah data dari masing-masing variabel memiliki distribusi normal.
Model regresi yang baik adalah distribusi data normal atau mendekati normal. Untuk menguji normalitas data dalam penelitian ini digunakan
47 uji Kolmogorov-Smirnov. Untuk menerima atau menolak hipotesis
dengan cara membandingkan p-value dengan taraf signifi kansi α
sebesar 0,05. Jika p-value 0,05, maka data berdistribusi normal. Dalam asumsi kenormalan regresi, uji normalitas dilaksanakan terhadap
residual dari regresi Perhitungan selengkapnya dapat dilihat pada Lampiran 4.
Tabel IV.3 Hasil Uji Normalitas Data
Variabel Kolmogorov-
Smirnov Sig
p-value Keterangan Unstandardized
residual 1,336
0,122 p0,05
Normal Sumber: data diolah
Dari hasil perhitungan Kolmogorov-Smirnov dapat diketahui bahwa harga p-value semua variabel ternyata lebih besar dari taraf
signifikan 0.1220,05, maka dapat dinyatakan bahwa seluruh data memiliki sebaran data yang normal.
b. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui apakah ada korelasi di antara variabel independen yang satu dengan yang lainnya.
Pengujian multikolinearitas dilakukan dengan melihat besarnya Tolerance Value dan Variance Inflation Factor VIF. Dari hasil
perhitungan diperoleh hasil sebagai berikut Lampiran 5:
48 Tabel IV.4
Hasil Uji Multikolinieritas Variabel
Tolerance VIF
Keterangan Likuiditas
0,890 1,124
Tidak ada masalah multikolinearitas
Leverage 0,533
1,876 Tidak ada masalah
multikolinearitas Profitabilitas
0,554 1,805
Tidak ada masalah multikolinearitas
Ukuran perusahaan 0,955
1,047 Tidak ada masalah
multikolinearitas Status perusahaan
0,934 1,071
Tidak ada masalah multikolinearitas
Sumber: Data diolah Dari hasil perhitungan multikolinearitas menunjukkan bahwa
semua variabel independen memiliki nilai tolerance lebih dari 0,1 10, artinya tidak ada korelasi antar variabel bebas yang nilainya lebih
dari 95. Hasil perhitungan juga menunjukkan bahwa semua variabel bebas memiliki VIF kurang dari 10 10. Jadi dapat disimpulkan bahwa
tidak ada gejala multikolinearitas dalam model regresi yang digunakan.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi kesamaan varians homoskedastisitas dari
residual satu ke pengamatan yang lain. Jika asumsi ini tidak dipenuhi, maka terjadi heteroskedastisitas. Dari hasil uji heteroskedastisitas
dengan metode Glesjer test diperoleh hasil sebagai berikut Lampiran 6:
49 Tabel IV.5
Hasil Uji Heteroskedastisitas Variabel
t
hitung
p-value Sign
Keterangan Likuiditas
1,570 0,132
p0,05 Tidak ada masalah
heteroskedastisitas Leverage
1,941 0,054
p0,05 Tidak ada masalah
heteroskedastisitas Profitabilitas
-1,602 0,111
p0,05 Tidak ada masalah
heteroskedastisitas Ukuran
perusahaan 0,095
0,925 p0,05
Tidak ada masalah heteroskedastisitas
Status perusahaan
0,665 0,506
p0,05 Tidak ada masalah
heteroskedastisitas Sumber: Data diolah
Dari hasil perhitungan tersebut menunjukkan tidak ada gangguan
heteroskedastisitas yang terjadi dalam proses estimasi parameter model penduga, dimana tidak ada nilai t
hitung
yang signifikan atau p0,05. Jadi secara keseluruhan dapat disimpulkan bahwa tidak ada masalah
heteroskedastisitas dalam penelitian ini.
d. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui apakah terjadi korelasi di antara anggota dari serangkaian observasi yang terletak
berderetan secara series dalam waktu untuk data time series atau korelasi antara tempat yang berdekatan untuk data cross sectional.
Untuk menguji adanya pengaruh autokorelasi dalam penelitian ini digunakan metode Durbin-Watson test. Sampel sebanyak 216 dan
variabel yang menjelaskan sebanyak 5 macam variabel, maka nilai D-W pada tingkat kepercayaan 5 = 0,05 adalah d
L
= 1,57 dan nilai d
U
=
50 1,78, maka didapatkan nilai 4
– d
L
yaitu 4 – 1,57 = 2,43 dan 4 – d
U
yaitu 4
– 1,78 = 2,22. Hasil perhitungan memperoleh nilai Durbin-Watson D-W = 1,812
Lampiran 7. Hal ini berarti nilai D-W berada di daerah bebas autokorelasi, yaitu nilai d
u
D-W 4-d
U
yaitu 1,78 1,812 2,22, seperti terlihat dalam Tabel IV.6.
Tabel IV.6 Hasil Uji Autokorelasi
D-W d
L
d
U
4-d
U
Kriteria Keterangan
1,812 1,57
1,78 2,22
1,78 1,812 2,22 Bebas
autokorelasi Sumber: Data diolah
Tabel IV. 6 menunjukkan bahwa nilai D-W berada di daerah bebas autokorelasi, yaitu d
u
D-W 4-d
U
yaitu 1,78 1,812 2,22, sehingga dapat dinyatakan bahwa tidak ada gangguan autokorelasi
dalam model regresi.
2. Analisis Regresi Ganda