2. Variabel terikat dependent, yaitu kinerja keuangan ROA.
Tabel 3.3 Definisi Operasional dan Cara Pengukuran Variabel
Jenis Variabel
Nama Variabel
Definisi Operasional Skala
Rumus Variabel
Independen Ukuran
Dewan Komisaris
Jumlah keseluruhan
anggota dewan komisaris yang bertanggungjawab
mengawasi perusahaan baik yang berasal dari
internal maupun eksternal perusahaan
Beiner et al, 2003 Rasio
� Anggota dewan
komisaris
Dewan Direksi
Jumlah anggota dewan direksi dalam perusahaan
Rasio �
Anggota dewan direksi
Proporsi Dewan
Komisaris Independen
Persentase antara jumlah komisaris yang berasal
dari luar perusahaan komisaris independen
terhadap total jumlah angota dewan komisaris
perusahaan. Rasio
∑ Komisaris
independen ∑
keanggotaan dewan komisaris
Komite Audit
Komite yang dibentuk oleh dewan komisaris
untuk melakukan tugas pengawasan pengelolaan
perusahaan. Rasio
∑ Komite audit yang
berasal dari luar ∑
keanggotaan komite audit
Variabel Dependen
Return On Assets
ROA Rasio
pendapatan sebelum bunga dan pajak
EBIT atau net pendapatan dibagi
dengan nilai buku aset di awal tahun fiskal.
Rasio EBIT
Total aset
Sumber: dikembangkan untuk penelitian ini, 2016
3.6 Teknik Pengumpulan Data
Teknik pengumpulan data dalam penelitian ini adalah teknik dokumentasi, yaitu pengumpulan data yang dilakukan dengan mempelajari catatan-catatan atau
Universitas Sumatera Utara
dokumen perusahaan data sekunder serta studi pustaka dari berbagai literatur dan sumber-sumber lainnya yang berhubungan dengan good corporate
governance. Data sekunder berisi tentang data-data annual report yang mencakup data corporate governance yang meliputi ukuran dewan komisaris, dewan direksi,
proporsi dewan komisaris independen, komite audit dan dan kinerja perusahaan yang diukur dengan metode return on assets ROA dari perusahaan perbankan
yang listing di BEI periode 2012-2014.
3.7 Teknik Analisis Data
3.7.1 Uji Asumsi Klasik
Uji asumsi klasik terhadap model regresi yang digunakanbertujuan agar dapat diketahui apakah model regresi tersebut merupakan model regresi yang baik
atau tidak Ghozali, 2006. Dalam penelitian ini uji asumsi klasik yang digunakan adalah uji normalitas, multikolinieritas, autokorelasi dan heteroskedastisitas.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi linier variabel terikat dan variabel bebas keduanya mempunyai distribusi normal
atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal Ghozali, 2006.Cara membaca apakah data terdistribusi
normal atau tidak adalah dengan analisis grafik, jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya
menunjukkan pola lonceng distribusi normal, sebaliknya jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak
mengikuti pola lonceng distribusi normal, maka model regresi tidak memenuhi
Universitas Sumatera Utara
asumsi normalitas. Selain itu, kenormalan data juga bisa dilihat melalui tabel hasil uji KolmogorovSmirnov yang langsung memberikan keterangan “normal” apabila
data terdistribusi secara normal. Pengambilan keputusan mengenai normalitas adalah sebagai berikut:
a.nilai Sig. atau signifikan 0.05, maka distribusi data tidak normal b.Nilai Sig. atau signifikan 0.05, maka distribusi data normal
2. Multikolinieritas
Uji multikolineraritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel independent. Jika variabel independent saling berkorelasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variable independent yang nilai korelasi antar sesama variabel independent sama dengan nol. Multikolinearitas dapat disebabkan karena
adanya efek kombinasi dua atau lebih variabel independent. Selain itu multikolinearitas dapat digunakan VIF Variance Inflation Factor yang dihitung
dengan rumus sebagai berikut : VIF =1Tolerance
Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut Ghozali, 2006: 92 :
Jika Tolerance ≤ 0,10 dan VIF ≥ 10 maka ada multikolinearitas.
3. Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu pada periode tertentu dengan
Universitas Sumatera Utara
variabel sebelumnya. Untuk data time series autokorelasi sering terjadi. Tapi untuk data yang sampelnya crossection jarang terjadi karena variabel pengganggu
satu berbeda dengan yang lain. Mendeteksi autokorelasi dengan menggunakan nilai Durbin Watson dengan kriteria jika:
1 Angka D-W di bawah -2 berarti ada autokorelasi positif
2 Angka D-W di antara -2 dan +2 berarti tidak ada autokorelasi
3 Angka D-W di atas +2 berarti ada autokorelasi negatif
4. Heteroskedastisitas
Heterokedastisitas menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain. Cara memprediksi ada
tidaknya heteroskedastisitas pada suatu model dapat dilihat dengan pola gambar Scatterplot, regresi yang tidak terjadi heteroskedastisitas jika titik-titik data
menyebar di atas dan di bawah atau di sekitar angka 0, titik-titik data tidak mengumpul hanya di atas atau di bawah saja, penyebaran titik-titik data tidak
boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali, penyebaran titik-titik data tidak berpola.
Untuk mendeteksi adanya heteroskedastisitas dilakukan dengan melakukan uji glesjer. Uji glesjer meregres nilai absolut residual terhadap variabel
independen dengan persamaan regresi:
│Ut│= α + βXt + vt, dimana Ut adalah unsur kesalahan Ghozali, 2007:108 Jika variabel independen signifikan secara statistik mempengaruhi variabel
dependen, maka ada indikasi terjadi heteroskedastisitas. Jika probabilitas signifikansinya di atas tingkat kepercayaan 5, maka dapat disimpulkan model
regresi tidak mengandung heteroskedastisitas Ghozali, 2006.
Universitas Sumatera Utara
3.7.2 Metode Analisis Regresi
Juliandi dan Irfan 2013:164 memaparkan bahwa analisis regresi bertujuan untuk memprediksi perubahan nilai variabel terikat akibat pengaruh dari
nilai variabel bebas. Melihat kerangka konseptual dalam penelitian ini, analisis regresi yang digunakan adalah :
1. Uji Analisis Regresi Berganda
Analisis data dalam penelitian ini adalah analisis kuantitatif. Analisis data kuantitatif dilakukan dengan cara mengumpulkan data yang dibutuhkan,
kemudian mengolah dan menyajikannya dalam bentuk tabel. Grafik dan outuput digunakan untuk menarik kesimpulan sebagai dasar pengambilan keputusan.
Teknik analisis dalam penelitian ini menggunakan regresis linier berganda multiple liniear regression. Analisis regresi berganda dapat menjelaskan
pengaruh antara variabel terikat dengan variabel bebas. Untuk mempermudah analisis dalam penelitian ini digunakan alat bantu software SPSS Statistical
Package for Social Science. Persamaan yang digunakan dalam penelitian ini adalah sebagai berikut:
Y= � + �
�
X
1
+ �
�
X
2
+ �
�
X
3
+ �
�
X
4
+ �
Keterangan: Y : Return On Assets
� : Konstanta e
: error � : koefisien regresi
X
1
:Ukuran Dewan Komisaris X
2
:Dewan Direksi
Universitas Sumatera Utara
X
3
: Proporsi Komisaris Independen X
4
: Komite Audit 2.
Uji Koefisien determinasi R
2
Dalam uji linier berganda ini dianalisis pula besarnya koefisien determinasi Goodness of fit, yang dinotasikan dengan R
2
yang mencerminkan kemampuan variabel dependen. Tujuan analisis ini adalah untuk menghitung
besarnya pengaruh variabel independen terhadap variabel dependen. Nilai R
2
menunjukkan seberapa besar proporsi dari total variasi variabel tidak bebas yang dapat dijelaskan oleh variabel penjelasnya. Semakin tinggi nilai R
2
maka semakin besar proporsi dari total variasi variabel dependen yang dapat dijelaskan oleh
variabel independen Ghozali, 2005.
3.7.3 Pengujian Hipotesis
Pengujian terhadap masing-masing hipotesis dilakukan dengan cara sebagai berikut : uji signifikan pengaruh nyata variabel independen terhadap
variabel dependen baik secara parsial maupun secara bersama-sama pada hipotesis 1 H
1
sampai dengan hipotesis 4 H
4
dilakukan dengan uji F F-test dan uji statistic t t-
test pada level 5 α =0,05. 1.
Uji Signifikasi Simultan Uji Statistik F Pengujian ini bertujuan untuk menguji secara signifikan pengaruh variabel
independen ukuran dewan komisaris, ukuran dewan direksi, proporsi komisaris independen dan komite audit terhadap variabel dependen kinerja keuangan,
yaitu ROA secara bersama-sama dengan melihat nilai signifikan F. Uji statistik F pada dasarnya menjukkan apakah semua variabel independen yang dimaksud
Universitas Sumatera Utara
dalam model ini mempunyai pengaruh secara bersama-sama atau simultan terhadap variabel dependen.
Untuk menguji apakah masing-masing variabel bebas berpengaruh secara signifikan terhadap variabel terikat secara parsial dengan menentukan derajat
kepercayaan 95 α =0,05 dan juga penerimaan atau penolakan hipotesa, maka cara yang dilakukan adalah :
1. H0 : β1 = β2 = β3 = β4 = 0, artinya tidak ada pengaruh ukuran dewan
komisaris, dewan direksi, proporsi komisaris independen dan komite audit secara simultan terhadap kinerja keuangan ROA.
2. Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ 0, artinya ada pengaruh ukuran dewan komisaris,
dewan direksi, proporsi komisaris independen dan komite audit secara simultan terhadap kinerja keuangan ROA.
Kriteria Pengujiannya dengan taraf signifikansi sebesar 5 maka: 1.
Apabila F hitung F tabel, maka Ho ditolak dan Ha diterima, berarti masing-masing variabel independen secara bersama-sama mempunyai
pengaruh yang signifikan terhadap variabel dependen. 2.
Apabila F hitung F tabel, maka Ho di terima dan Ha ditolak, berarti masing-masing variabel independen secara bersama-sama tidak
mempunyai pengaruh yang signifikan terhadap variabel dependen. Menentukan signifikansi:
1. Nilai signifikasi P Value 0,05 maka H0 ditolak dan Ha diterima.
2. Nilai signifikasi P Value 0,05 maka H0 diterima dan Ha ditolak.
Membuat kesimpulan:
Universitas Sumatera Utara
1. Bila P Value 0,05 maka H0 ditolak dan Ha diterima. Artinya variabel
independen secara simultan bersama-sama mempengaruhi variabel dependen.
2. Bila P Value 0,05 maka H0 diterima dan Ha ditolak. Artinya variabel
independen secara simultan bersama-sama tidak mempengaruhi variabel dependen.
2. Uji Signifikansi Parsial Uji Statistik t
Uji parsial digunakan untuk mengetahui pengaruh masing-masing variabel terhadap variabel dependen. Pengujian dilakukan dengan menggunakan signifikan
level 0,05 α=5. Penerimaan atau penolakan hipotesis dilakukan dengan kriteria:
1. Jika nilai signifikan 0,05 maka hipotesis ditolak koefisien regresi tidak
signifikan. Ini berarti secara parsial variabel independen tidak mempunyai pengaruh secara signifikan terhadap variabel dependen.
2. Jika nilai signifikan 0,05 maka hipotesis diterima koefisien regresi
signifikan. Ini berarti secara parsial variabel independen tersebut mempunyai pengaruh yang sgnifikan terhadap variabel dependen Ghozali,
2006
Universitas Sumatera Utara
46
BAB IV PEMBAHASAN
4.1 Deskripsi Objek Penelitian
