50
BAB 4 HASIL PENELITIAN DAN PEMBAHASAN
4.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif memberikan gambaran umum tentang objek penelitian yang dijadikan sampel. Deskripsi suatu data dapat dilihat dari nilai
maksimum, nilai minimum, nilai rata-rata mean, dan nilai standar deviasi dari Cost of Equity Capital, Informasi Asimetri dan Manajemen Laba. Berdasarkan
analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut:
Tabel 4.1 Statistik Deskriptif dari Cost of Equity Capital, Informasi Asimetri dan
Manajemen Laba
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation COEC
39 -.763
.235 -.29297
.289305 Informasi Asimetri
39 .103
4.255 1.10062
.928652 Manajemen Laba
39 -2.374
2.621 .24162
.800804 Valid N listwise
39
Sumber: Hasil Olahan Software SPSS 17
Dari hasil analisis statistik deskriptif pada Tabel 4.1 diketahui bahwa jumlah unit analisis N dalam penelitian adalah sebanyak 39 unit analisis yang terdiri
dari 13 perusahaan perbankan yang terdaftar di Bursa Efek Indonesia BEI dari tahun 2011-2014, dengan total periode yang diteliti 3 tahun.
Berdasarkan Tabel 4.1, diketahui nilai Cost of Equity Capital minimum adalah -0,763, sedangkan nilai Cost of Equity Capital maksimum adalah 0,235. Nilai
Cost of Equity Capital minimum terjadi pada Bank BCA tahun 2012 sedangkan Nilai Cost of Equity Capital maksimum terjadi pada Bank Pan Indonesia pada
51
tahun 2013. Diketahui nilai rata-rata mean dari Cost of Equity Capital dari tahun 2011-2013 adalah sebesar -0,293, dan standar deviasi Cost of Equity Capital dari
tahun 2011-2013 adalah sebesar 0,289.
4.2 Uji Asumsi Klasik 4.2.1 Uji Normalitas Data
Dalam penelitian ini, uji normalitas residual data dengan menggunakan uji Shapiro-Wilk
. Bila signifikan 0,05 dengan α = 5, berarti distribusi data normal, jika terjadi sebaliknya, maka distribusi data tidak normal. Hasil uji normalitas data
dapat dilihat pada tabel 4.2.1.1 dibawah ini:
Tabel 4.2.1.1 Uji Normalitas Data
Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk Statistic
Df Sig.
Statistic df
Sig. Unstandardized Residual
.100 39
.200 .929
39 .017
a. Lilliefors Significance Correction . This is a lower bound of the true significance.
Sumber: Hasil Olahan Software SPSS 17
Perhatikan bahwa berdasarkan Tabel 4.2.1.1, diketahui nilai probabilitas
sebesar 0,017. Dalam penelitian ini, tingkat signifikansi yang digunakan adalah α= 0,05. Karena nilai probabilitas p, yakni 0,017 lebih kecil dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas tidak terpenuhi. Untuk memperoleh hasil terbaik, hal yang dapat dilakukan adalah melakukan
transformasi data dan menghilangkan data pencilan atau outlier. Data yang tidak terdistribusi secara normal dapat ditransformasi agar menjadi normal Ghozali,
2011. Outlier adalah data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-obsevasi lainnya dan muncul dalam bentuk nilai
52
ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi Ghozali, 2011.
Sofyan Yamin 2014 menyatakan sebagai berikut: “Setidaknya ada 3 hal pengaruh outlier terhadap model yaitu berpotensial
menciptakan heywood cases dan improper solution, menciptakan taksiran yang bias serta ketidakjelasan terhadap tingkat signifikansi pengujian parameter. selain
itu outlier juga sangat memengaruhi distribusi variabel data yaitu mengakibatkan variabel data tidak berdistribusi normal. Data outlier dapat memengaruhi nilai
mean, standard deviasi, serta koefisien korelasi, oleh karena itu outlier harus dijelaskan sebelum dianalisis, dihapus, atau direkomendasikan menggunakan
pendekatan robust statistics.” Total sampel yang digunakan yaitu dari 39 observasi menjadi 35 observasi setelah
data outlier dihilangkan. Uji normalitas data dengan Shapiro-Wilk disajikan dalam Tabel 4.2.1.2 sebagai berikut:
Tabel 4.2.1.2 Uji Normalitas Data Setelah Transformasi Data
dan Data Outlier Dihapus
Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk Statistic
Df Sig.
Statistic df
Sig. Unstandardized Residual
.110 35
.200 .973
35 .520
a. Lilliefors Significance Correction . This is a lower bound of the true significance.
Sumber: Hasil Olahan Software SPSS 17
Berdasarkan Tabel 4.2.1.2, dapat diketahui nilai signifikasi sebesar 0,520. Oleh karena nilai probabilitas lebih besar dibandingkan tingkat signifikansi, yakni 0,05,
maka asumsi normalitas telah terpenuhi.
53
4.2.2 Uji Multikolinearitas
Hasil uji multikolinearitas dapat dilihat pada tabel 4.2.2 dibawah ini:
Tabel 4.2.2 Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-.415 .071
-5.842 .000
Manajemen Laba .234
.112 .309
2.080 .046
.866 1.155
Lg Informasi Asimetri .533
.181 .438
2.948 .006
.866 1.155
a. Dependent Variable: Ln COEC
Sumber: Hasil Olahan SPSS 17
Dari hasil perhitungan nilai Tolerance pada tabel di atas adalah sebesar 0,866, ini menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance
kurang dari 0,1 yang berarti tidak ada korelasi antar variabel independen. Jadi, dapat disimpulkan bahwa tidak terjadi multikolinearitas. Hasil perhitungan nilai
Variance Inflation Factor VIF adalah 1,155, ini juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10.
Jadi, dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
4.2.3 Uji Autokorelasi
Hasil pengujian autokorelasi dapat dilihat pada Tabel 4.2.3 berikut ini:
Tabel 4.2.3 Uji Autokorelasi
Sumber: Hasil Olahan SPSS 17
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .622
a
.387 .349
.33683 1.898
a. Predictors: Constant, Lg Informasi Asimetri, Manajemen Laba b. Dependent Variable: Ln COEC
54
Tabel diatas menunjukkan bahwa nilai Durbin-Watson adalah 1,898 dimana nilai ini lebih besar dari batas atas du 1,439 dan kurang dari 4-1,439 4-du, maka
dapat disimpulkan bahwa tidak terdapat autokorelasi pada model regresi diatas.
4.2.4 Uji Heteroskedastisitas
Hasil uji heteroskedastisitas dapat dilihat pada tabel 4.2.4 berikut ini:
Tabel 4.2.4 Uji Heteroskedastisitas
Sumber: Hasil Olahan SPSS 17
Perhatikan bahwa berdasarkan Gambar 4.2.4, tidak terdapat pola yang begitu
jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka dapat disimpulkan tidak terjadi heteroskedastisitas.
55
4.3 Pengujian Hipotesis
1. Pengujian Pengaruh Informasi Asimetri terhadap Cost of Equity Capital Hipotesis 1
a. Hasil Uji Koefisien Determinasi R
2
pada tabel 4.3.1.1 berikut ini:
Tabel 4.3.1.1 Hasil Uji Koefisien Determinasi
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.552
a
.304 .283
.35339 a. Predictors: Constant, Lg Informasi Asimetri
Sumber: Hasil Olahan SPSS 17
Dari tabel diatas, dapat diketahui bahwa R
2
= 0,304. Nilai tersebut berarti kemampuan variabel independen dalam menjelaskan variasi variabel
dependen adalah sebesar 30,4 sedangkan sisanya diterangkan oleh variabel lain diluar model.
b. Hasil Uji Signifikasi Parameter Individual Uji Statistik t pada tabel
4.3.1.2 berikut ini:
Tabel 4.3.1.2 Hasil Uji Statistik t
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -.344
.065 -5.262
.000 Lg Informasi Asimetri
.671 .177
.552 3.800
.001 a. Dependent Variable: Ln COEC
Sumber: Hasil Olahan SPSS 17
Dari tabel diatas, dapat diketahui bahwa nilai signifikasinya adalah sebesar 0,001 lebih kecil dari 0,05. Maka, dapat disimpulkan bahwa
56
variabel bebas berpengaruh signifikan terhadap variabel terikat. Dengan persamaan regresi : Y= -0,344 + 0,671 X + e
2. Pengujian Hipotesis Pengaruh Informasi Asimetri terhadap Manajemen Laba Hipotesis 2
a. Hasil Uji Koefisien Determinasi R
2
pada tabel 4.3.2.1 berikut ini:
Tabel 4.3.2.1 Hasil Uji Koefisien Determinasi
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.366
a
.134 .108
.521480 a. Predictors: Constant, Lg Informasi Asimetri
Sumber: Hasil Olahan SPSS 17
Dari tabel diatas, dapat diketahui bahwa R
2
= 0,134. Nilai tersebut berarti kemampuan variabel independen dalam menjelaskan variasi variabel
dependen adalah sebesar 13,4 sedangkan sisanya diterangkan oleh variabel lain diluar model.
b. Hasil Uji Signifikasi Parameter Individual Uji Statistik t pada tabel
4.3.2.2 berikut ini:
Tabel 4.3.2.2 Hasil Uji Statistik t
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .303
.096 3.144
.004 Lg Informasi Asimetri
.589 .261
.366 2.261
.030 a. Dependent Variable: Manajemen Laba
Sumber: Hasil Olahan SPSS 17
Dari tabel diatas, dapat diketahui bahwa nilai signifikasinya adalah sebesar 0,03 lebih kecil dari 0,05. Maka, dapat disimpulkan bahwa
57
variabel bebas berpengaruh signifikan terhadap variabel terikat. Dengan persamaan regresi : Y= 0,303 + 0,589 X + e
3. Pengujian Hipotesis Pengaruh Informasi Asimetri terhadap Cost of Equity Capital Hipotesis 3
a. Hasil Uji Koefisien Determinasi R
2
pada tabel 4.3.3.1 berikut ini:
Tabel 4.3.3.1 Hasil Uji Koefisien Determinasi
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.470
a
.221 .197
.37402 a. Predictors: Constant, Manajemen Laba
Sumber: Hasil Olahan SPSS 17
Dari tabel diatas, dapat diketahui bahwa R
2
= 0,221. Nilai tersebut berarti kemampuan variabel independen dalam menjelaskan variasi variabel
dependen adalah sebesar 22,1 sedangkan sisanya diterangkan oleh variabel lain diluar model.
b. Hasil Uji Signifikasi Parameter Individual Uji Statistik t pada tabel
4.3.3.2 berikut ini:
Tabel 4.3.3.2 Hasil Uji Statistik t
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -.520
.068 -7.657
.000 Manajemen Laba
.355 .116
.470 3.058
.004 a. Dependent Variable: Ln COEC
Sumber: Hasil Olahan SPSS 17
58
Dari tabel diatas, dapat diketahui bahwa nilai signifikasinya adalah sebesar 0,004 lebih kecil dari 0,05. Maka, dapat disimpulkan bahwa
variabel bebas berpengaruh signifikan terhadap variabel terikat. Dengan persamaan regresi : Y = -0,520 + 0,355 X + e
4. Pengujian Hipotesis Pengaruh Informasi Asimetri terhadap Cost of Equity Capital melalui Manajemen Laba sebagai Variabel Intervening Hipotesis 4
dengan Analisis Path Analisis Jalur a. Hasil Uji Persamaan Z =
α
1
+ β
1
X + e
1
……………………1 Dimana Z = Manajemen Laba dan X = Informasi Asimetri
Tabel 4.1.1.1 Hasil Uji Persamaan 1
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.366
a
.134 .108
.521480 a. Predictors: Constant, Lg Informasi Asimetri
Sumber: Hasil Olahan SPSS 17
Dari hasil output spss pada tabel 4.1.1.1, dapat dihitung nilai e1 = √1 − 0,134 =
0,893 . Dan R
2
= 0,134 menjelaskan pengaruh variabel dependen terhadap independen adalah sebesar 13,4 , sisanya dijelaskan oleh variabel lain diluar
model.
Tabel 4.1.1.2 Hasil Uji Persamaan 1
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant .303
.096 3.144
.004 Lg Informasi Asimetri
.589 .261
.366 2.261
.030 a. Dependent Variable: Manajemen Laba
Sumber: Hasil Olahan SPSS 17
59
Dari hasil output spss pada tabel diatas 4.1.1.2, dapat diketahui nilai standardized beta pada persamaan 1 adalah sebesar 0,366 dan nilai signifikasinya adalah
sebesar 0,03 yaitu lebih kecil dari 0,05. Nilai standardized beta untuk Informasi Asimetri sebesar 0,366 merupakan nilai jalur path p2. Dengan persamaan : Z =
0,303 + 0,589 X + 0,892 b. Hasil Uji Persamaan Y =
α
2
+ β
2
X + β
3
Z + e
2
………...….. 2 Dimana Y = Cost of Equity Capital, X = Informasi Asimetri dan Z = Manajemen
Laba.
Tabel 4.1.2.1 Hasil Uji Persamaan 2
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.622
a
.387 .349
.33683 a. Predictors: Constant, Manajemen Laba, Lg Informasi Asimetri
Sumber: Hasil Olahan SPSS 17
Dari hasil output spss pada tabel 4.1.2.1, dapat dihitung nilai e2 = √1 − 0,387 =
0,782 . R
2
= 0,387, ini berarti bahwa kemampuan variabel independen menjelaskan variabel dependen hanya sebesar 38,7 , sisanya dijelaskan oleh variabel lain
diluar model yaitu sebesar 61,3
Tabel 4.1.2.2 Hasil Uji Persamaan 2
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant -.415
.071 -5.842
.000 Lg Informasi Asimetri
.533 .181
.438 2.948
.006 Manajemen Laba
.234 .112
.309 2.080
.046 a. Dependent Variable: Ln COEC
Sumber: Hasil Olahan SPSS 17
60
Dari hasil output spss pada tabel diatas 4.1.2.2, dapat diketahui nilai standardized beta pada persamaan 2 adalah sebesar 0,438 dan 0,309 dan nilai signifikasinya
adalah sebesar 0,046 yaitu lebih kecil dari 0,05. Nilai Standardized Informasi Asimetri adalah 0,438 merupakan nilai jalur path p1 dan nilai standardized
Manajemen Laba adalah sebesar 0,309 merupakan nilai jalur path p3. Dengan persamaan : Y = -0,415 + 0,533 X + 0,234 Z + 0,782.
Gambar 4.1 Diagaram Analisis Jalur Pengaruh Informasi Asimetri terhadap Cost of Equity Capital dengan Manajemen Laba
sebagai Variabel Intervening e1 = 0,893
e2=0,782 0,366
0.309 0,438
Hasil analisis jalur menujukkan bahwa Informasi Asimetri dapat berpengaruh langsung ke Cost of Equity Capital dan dapat juga berpengaruh tidak langsung
yaitu Informasi Asimetri ke Manajemen Laba sebagai Intervening lalu ke Cost of Equity Capital. Besarnya pengaruh langsung adalah sebesar 0,438, sedangkan
besarnya pengaruh tidak langsung harus dihitung dengan mengalikan koefisien tidak langsung yaitu 0,366 x 0,309 = 0,113.
Cost of Equity Capital Y
Informasi Asimetri X
Manajemen Laba Z
61
4.4 Pembahasan Hasil Penelitian 1. Pengaruh Informasi Asimetri terhadap Cost of Equity Capital
Kategori