Analisis Multivariat Hasil Pengujian Hipotesis .1 Analisis Univariate

Kita dapat membuat kesimpulan dari data tabel 4.3 dengan melihat Pearson correlation, apabila data tersebut berbintang satu maka kita menggunakan 0,05 sebagai perbandingan. Apabila data tersebut berbintang dua ataupun tidak berbintang kita menggunakan 0,01 sebagai perbandingan. Dari data tabel 4.2 tidak ada hubungan yg signifikan antara ketiga variabel tersebut .

4.3.2 Analisis Multivariat

Penelitian ini menggunakan alat analisis regresi logistik. Regresi logistik tidak memerlukan uji normalitas pada variabel bebasnya Ghozali, 2005:261. Penelitian ini menggunakan regresi logistik karena variabel terikatnya merupakan dummy, yaitu: risk management, etika bisnis, dan training.

18. Risk Management

Risk Management memiliki hasil regresi biner logistik sebagai berikut: Tabel 4.4 Sumber : Diolah oleh penulis 2014 Tabel 4.4 Omnibus Test of Model Coefficients menunjukkan signifikan model regresi biner logistik yang diperoleh untuk kasus ini. Dari tabel 4.4 diperoleh = 9,009 dengan Sig. = 0,173, karena Sig. ≥ α = 0,05 maka variabel bebasnya tidak berpengaruh secara signifikan. Omnibus Tests of Model Coefficients Chi-square Df Sig. Step 1 Step 9.009 6 .173 Block 9.009 6 .173 Model 9.009 6 .173 Tabel 4.5 Pada tabel 4.5, Kita dapat melihat bahwa variabel yang tersebut diatas tidak berpengaruh secara signifikan terhadap variabel risk management, karena Sig.α =0,05 dan model regresi logistik risk managementnya sebagai berikut: Risk Management = 0,144 + 0,017 X1 + 1,686 X2 + 0,013 X3 + 0.657 X4 – 0.013 X5 - 0,037 X6 Keterangan: 1. Rapat komite audit tidak berpengaruh secara signifikan terhadap risk management. Hal ini terlihat dari nilai signifikansi 0,404 di atas atau lebih besar dari 0,05. 2. Independensi dewan komisaris tidak berpengaruh secara signifikan terhadap risk management. Hal ini terlihat dari nilai signifikansi 0,227 di atas atau lebih besar dari 0,05. Variables in the Equation B S.E. Wald Df Sig. ExpB Step 1 a Rapat Komite AuditX1 .017 .021 .696 1 .404 1.017 Independensi Dewan KomisarisX2 1.686 1.394 1.462 1 .227 5.395 Rapat Dewan KomisarisX3 .013 .017 .596 1 .440 1.013 Reputasi AuditorX4 .657 .346 3.607 1 .058 1.928 Ukuran PerusahaanX5 -.013 .104 .015 1 .904 .988 Pertumbuhan PenjualanX6 -.037 .344 .011 1 .915 .964 Constant .144 .867 .027 1 .869 1.154 a. Variables entered on step 1: rapatKomiteAudit, IndependensiDewanKomisaris, rapatDewanKomisaris, reputasiAuditor, ln_ukuranPerusahaan, PertumbuhanPenjualan. 3. Rapat dewan komisaris tidak berpengaruh secara signifikan terhadap risk management. Hal ini terlihat dari nilai signifikansi 0,440 di atas atau lebih besar dari 0,05. 4. Pertumbuhan penjualan tidak berpengaruh secara signifikan terhadap risk management. Hal ini terlihat dari nilai signifikansi 0,915 di atas atau lebih besar dari 0,05. 5. Ukuran perusahaan tidak berpengaruh secara signifikan terhadap risk management. Hal ini terlihat dari nilai signifikansi 0,904 di atas atau lebih besar dari 0,05. 6. Reputasi auditor tidak berpengaruh secara signifikan terhadap risk management. Hal ini terlihat dari nilai signifikansi 0,058 di atas atau lebih besar dari 0,05. 7. Standar error e menunjukkan tingkat kesalahan pengganggu. Tabel 4.6 Sumber : Diolah oleh penulis 2014 Pada tabel 4.6 kita dapat melihat α = 0,05 Sig. = 0,003 maka model telah cukup mampu menjelaskan data ditolak. Dengan kata lain pada tingkat kepercayaan 95 model regresi biner logistik tanpa konstanta yang digunakan relatif tidak mampu menjelaskan data Hosmer and Lemeshow Test Step Chi-square Df Sig. 1 22.941 8 .003 Tabel 4.7 Tabel 4.7 pada kolom Nagelkerke R Square, sebesar 0,048 yang berarti sebesar 4,8 variasi risk management dapat diterangkan oleh model sedangkan sisanya tidak, untuk lebih lanjut dapat dilihat pada Classification Plot. Tabel 4.8 Dari tabel 4.8 kita dapat melihat overall percentage sebesar 75,4, menunjukkan bahwa model regresi biner logistik yang digunakan mampu menerangkan 75,4 kondisi yang sebenarnya. Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 299.184 a .032 .048 a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001. Classification Table a Observed Predicted risk management Percentage Correct tidak terdapat risk manajemen terdapat risk management Step 1 risk management tidak terdapat risk manajemen 68 .0 terdapat risk management 208 100.0 Overall Percentage 75.4 a. The cut value is .500

19. Etika bisnis

Etika bisnis memiliki hasil regresi biner logistik sebagai berikut: Tabel 4.9 Sumber : Diolah oleh penulis,2014 Tabel 4.9 Omnibus Test of Model Coefficients menunjukkan signifikan model regresi biner logistik yang diperoleh untuk kasus ini. Dari tabel diperoleh = 34,215 dengan Sig. = 0,000, karena sig. ≤ α =0,05 maka variabel bebasnya berpengaruh secara signifikan. Tabel 4.10 Omnibus Tests of Model Coefficients Chi-square Df Sig. Step 1 Step 34.215 6 .000 Block 34.215 6 .000 Model 34.215 6 .000 Variables in the Equation B S.E. Wald df Sig. ExpB Step 1 a Rapat Komite AuditX1 .081 .022 13.941 1 .000 1.085 Independensi Dewan KomisarisX2 6.876 1.512 20.690 1 .000 968.675 Rapat Dewan KomisarisX3 -.092 .048 3.615 1 .057 .913 Reputasi AuditorX4 -.874 .544 2.582 1 .108 .417 Ukuran PerusahaanX5 .050 .154 .104 1 .747 1.051 Pertumbuhan PenjualanX6 -.146 .325 .203 1 .652 .864 Constant -5.234 1.247 17.626 1 .000 .005 a. Variables entered on step 1: rapatKomiteAudit, IndependensiDewanKomisaris, rapatDewanKomisaris, reputasiAuditor, ln_ukuranPerusahaan, PertumbuhanPenjualan. Pada tabel 4.10, Kita dapat melihat bahwa variabel X1 dan X2 diatas berpengaruh secara signifikan terhadap variabel etika bisnis, karena Sig.α =0,05, tetapi variabel X3, X4, X5, dan X6 tidak berpengaruh terhadap etika bisnis karena Sig.α =0,05 dengan persamaan regresi logistik sebagai berikut: Etika Bisnis = -5,234 + 0,081 X1 + 6,876 X2 – 0,092 X3 - 0,874 X4 + 0,05 X5 - 0,146 X6 Keterangan: 1. Rapat komite audit berpengaruh secara signifikan terhadap etika bisnis. Hal ini terlihat dari nilai signifikansi 0 di bawah atau lebih kecil dari 0,05. 2. Independensi dewan komisaris berpengaruh secara signifikan terhadap etika bisnis. Hal ini terlihat dari nilai signifikansi 0 di bawah atau lebih kecil dari 0,05. 3. Rapat dewan komisaris tidak berpengaruh secara signifikan terhadap etika bisnis. Hal ini terlihat dari nilai signifikansi 0,057 di atas atau lebih besar dari 0,05. 4. Pertumbuhan penjualan tidak berpengaruh secara signifikan terhadap etika bisnis. Hal ini terlihat dari nilai signifikansi 0,652 di atas atau lebih besar dari 0,05. 5. Ukuran perusahaan tidak berpengaruh secara signifikan terhadap training. Hal ini terlihat dari nilai signifikansi 0,747 di atas atau lebih besar dari 0,05. 6. Reputasi auditor tidak berpengaruh secara signifikan terhadap etika bisnis. Hal ini terlihat dari nilai signifikansi 0,108 di atas atau lebih besar dari 0,05. 7. Standar error e menunjukkan tingkat kesalahan pengganggu. Tabel 4.11 Tabel 4.11 pada kolom Nagelkerke R Square, sebesar 0,228 yang berarti sebesar 22,8 variasi etika bisnis dapat diterangkan oleh model sedangkan sisanya tidak, untuk lebih lanjut dapat dilihat pada Classification Plot. Tabel 4.12 Sumber : Diolah oleh penulis,2014 Pada tabel 4.12 kita dapat melihat α = 0,05 Sig. = 0 maka model telah cukup mampu menjelaskan data ditolak. Dengan kata lain pada tingkat kepercayaan 95 model regresi biner logistik tanpa konstanta yang digunakan relatif tidak mampu menjelaskan data. Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 163.821 a .117 .228 a. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001. Hosmer and Lemeshow Test Step Chi-square df Sig. 1 52.730 8 .000 Tabel 4.13 Dari tabel 4.13 kita dapat melihat overall percentage sebesar 91,3, menunjukkan bahwa model regresi biner logistik yang digunakan mampu menerangkan 91,3 kondisi yang sebenarnya.

20. Training

Training memiliki hasil dari Regresi biner logistik sebagai berikut: Tabel 4.14 Sumber : Diolah oleh penulis,2014 Tabel 4.14 Omnibus Test of Model Coefficients menunjukkan signifikan model regresi biner logistic yang diperoleh untuk kasus ini. Dari tabel diperoleh = 29,026 dengan Sig. = 0,000, karena α = 0,05 Sig. = 0 maka variabel bebas berpengaruh secara signifikan. Classification Table a Observed Predicted etika bisnis Percentage Correct tidak terdapat etika bisnis terdapat etika bisnis Step 1 etika bisnis tidak terdapat etika bisnis 244 100.0 terdapat etika bisnis 24 8 25.0 Overall Percentage 91.3 a. The cut value is .500 Omnibus Tests of Model Coefficients Chi-square Df Sig. Step 1 Step 29.026 6 .000 Block 29.026 6 .000 Model 29.026 6 .000 Tabel 4.15 Variables in the Equation B S.E. Wald df Sig. ExpB Step 1 a Rapat Komite AuditX1 .016 .020 .665 1 .415 1.016 Independensi Dewan KomisarisX2 -3.070 1.108 7.679 1 .006 .046 Rapat Dewan KomisarisX3 -.012 .015 .681 1 .409 .988 Reputasi AuditorX4 1.224 .377 10.537 1 .001 3.400 Ukuran PerusahaanX5 .132 .110 1.457 1 .227 1.141 Pertumbuhan PenjualanX6 .103 .331 .096 1 .756 1.108 Constant .921 .846 1.183 1 .277 2.511 a. Variables entered on step 1: rapatKomiteAudit, IndependensiDewanKomisaris, rapatDewanKomisaris, reputasiAuditor, ln_ukuranPerusahaan, PertumbuhanPenjualan. Pada tabel 4.15, kita dapat melihat bahwa variabel X2 dan X6 diatas berpengaruh secara signifikan terhadap variabel training, karena Sig.α =0,05,tetapi variabel X1, X3, X4, dan X5 tidak berpengaruh terhadap training karena Sig.α =0,05 dengan persamaan regresi logistik sebagai berikut: Training = 0,921 + 0,016 X1 -3,070 X2 – 0,012 X3 + 1,224 X4 +0,132 X5 + 0,103 X6 Keterangan : 1.3.5 Rapat komite audit tidak berpengaruh secara signifikan terhadap training. Hal ini terlihat dari nilai signifikansi 0,415 di atas atau lebih besar dari 0,05. 1.3.6 Independensi dewan komisaris berpengaruh secara signifikan terhadap training. Hal ini terlihat dari nilai signifikansi 0,006 di bawah atau lebih kecil dari 0,05. 1.3.7 Rapat dewan komisaris tidak berpengaruh secara signifikan terhadap training. Hal ini terlihat dari nilai signifikansi 0,409 di atas atau lebih besar dari 0,05. 1.3.8 Pertumbuhan penjualan tidak berpengaruh secara signifikan terhadap training. Hal ini terlihat dari nilai signifikansi 0,756 di atas atau lebih besar dari 0,05. 1.3.9 Ukuran perusahaan tidak berpengaruh secara signifikan terhadap training. Hal ini terlihat dari nilai signifikansi 0,227 di atas atau lebih besar dari 0,05. 1.3.10 Reputasi auditor berpengaruh secara signifikan terhadap training. Hal ini terlihat dari nilai signifikansi 0,01 di bawah atau lebih kecil dari 0,05. 1.3.11 Standar error e menunjukkan tingkat kesalahan pengganggu. Tabel 4.16 Tabel 4.16 pada kolom Nagelkerke R Square, sebesar 0,144 yang berarti sebesar 14,4 variasi training dapat diterangkan oleh model sedangngkan sisanya tidak, untuk lebih lanjut dapat dilihat pada Classification Plot. Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 295.837 a .100 .144 a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001. Tabel 4.17 Sumber : Diolah oleh penulis,2014 Pada tabel 4.17 kita dapat melihat α = 0,05 Sig. = 0,055 maka model telah cukup mampu menjelaskan data tidak ditolak. Dengan kata lain pada tingkat kepercayaan 95 model regresi biner logistik tanpa konstanta yang digunakan relatif mampu menjelaskan data. Tabel 4.18 Dari tabel 4.18 kita dapat melihat overall percentage sebesar 73,2, menunjukkan bahwa model regresi biner logistik yang digunakan mampu menerangkan 73,2 kondisi yang sebenarnya. Hosmer and Lemeshow Test Step Chi-square df Sig. 1 15.203 8 .055 Classification Table a Observed Predicted Training Percentage Correct tidak terdapat trainning terdapat training Step 1 Training tidak terdapat training 6 70 7.9 terdapat training 4 196 98.0 Overall Percentage 73.2 a. The cut value is .500

4.4 Pembahasan Hasil Penelitian