Analisis Statistik Deskriptif Uji Prasarat

3.6. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan pengumpulan data sekunder. Pengumpulan data sekunder dapat diperoleh dari Bursa Efek Indonesia BEI, Biro Pusat Statistik BPS, media internet, buku, jurnal, dan lain-lain.

3.7. Metode Analisis Data

Penelitian ini menggunakan teknik analisis kuantitatif. Data dalam penelitian ini akan diolah dan dianalisis dengan alat-alat analisis sebagai berikut:

3.7.2. Analisis Statistik Deskriptif

Pembahasan cara-cara pengumpulan data, penyederhanaan angka-angka pengamatan yang diperoleh meringkas dan menyajikan, serta melakukan pengukuran pemusatan dan penyebaran untuk memperoleh informasi yang lebih menarik, berguna dan lebih mudah dipahami biasa disebut statistik deskriptif. Penyajian data pada statistik deskriptif biasanya dilakukan dengan membuat tabulasi, penyajian dalam bentuk grafik, diagram atau dengan menyajikan karakteristik dari ukuran pemusatan dan keragamannya. Analisis statistik deskriptif digunakan untuk mengetahui karakteristik sampel yang digunakan dan menggambarkan variabel-variabel dalam penelitian ini yaitu konservatisme akuntansi, struktur kepemilikan manajerial, struktur kepemilikan institusional, leverage dan komite audit. Analisis statistik deskriptif meliputi statistik minimum, maximum, mean, standard deviation dan jumlah sampel.

3.7.3. Uji Prasarat

3.7.3.1.Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2011. Model regresi yang baik adalah memiliki distribusi residual normal atau mendekati normal. Ada dua cara untuk mendektesi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik grafik histogram dan grafik normal probability plot dan analisis dengan uji One Sample Kolmogorov Smirnov. 1. Metode Grafik Dalam analisis grafik, salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi residual yang mendekati normal. Dalam analisis grafik normal probability plot dasar pengambilan keputusan adalah jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. 2. Metode statistik One Sample Kolmogorov Smirnov Uji One Sample Kolomogorov Smirnov digunakan untuk mengetahui distribusi data, apakah mengikuti distribusi normal, poisson, uniform, atau exponential. Dalam hal ini untuk mengetahui apakah residual terdistribusi normal atau tidak dapat dilihat dari nilai signifikansi. Jika nilai signifikansi lebih dari 0,05 maka residual berdistribusi normal. 3.7.3.2.Uji Asumsi Klasik Pengujian hipotesis yang menggunakan model regresi berganda harus dapat memenuhi uji asumsi klasik. Hal ini bertujuan untuk menghindari estimasi yang bias karena tidak semua data dapat menerapkan model regresi. 1. Uji Multikolonieritas Uji multikolinieritas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas atau tidak, model yang baik seharusnya tidak terjadi korelasi yang tinggi diantara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel – variabel ini tidak orthogonal nilai korelasi tidak sama dengan nol. Multikolonieritas diuji dengan menggunakan nilai VIF atau VarianceInflation Factor, yaitu dengan melihat nilai VIF pada tabel coefficients, dengan analisis sebagai berikut: a. Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa tidak terdapat multikolinieritas pada penelitian tersebut. b. Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa terdapat multikolinieritas pada penelitian tersebut. 2. Uji Heterokedastisitas 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 Ghozali, 2011. Untuk mengetahui ada tidaknya heteroskedastisitas, pada penelitian ini diuji dengan melihat grafik scatterplot antara nilai prediksi variabel dependen ZPRED dengan nilai residualnya SRESID. Dasar analisis untuk menguji ada tidaknya heterokedastisitas adalah sebagai berikut Ghozali, 2011: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Dalam menganalisis ada tidaknya masalah heterokedastisitas dapat pula menggunakan pengujian dengan metode statistik dalam penelitian inimenggunakan uji Glejser dengan mencari nilai absolut dari variabel residual lalu meregresinya dengan variabel independen. Jika nilai signifikansinya lebih besar dari 0,05 untuk masing-masing variabel independen, maka tidak terjadi masalah heterokedastisitas. 3. Uji Autokolerasi 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. Salah satu cara untuk mendeteksi ada tidaknya autokorelasi adalah dengan 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.

3.7.3. Analisis Regresi