23 ICPB
PT. Indofood CPB Sukses Makmur Tbk
24 KAEF
PT. Kimia Farma Persero Tbk
25 LMPI
PT. Langgeng Makmur Industry Tbk
26 MBTO
PT. Martina Berto Tbk
27 MERK
PT. Merch Tbk
28 MYOR
PT. Mayora Indah Tbk
29 PYFA
PT. Pyridam Parma Tbk
30 TSPC
PT. Tempo Scan Pacifik Tbk
31 ULTJ
PT. Ultrajaya Milk Industry Trading Company Tbk
32 UNVR
PT. Unilever Indonesia Tbk
33 WIIM
PT. Wismilak Inti Makmur Tbk
3.3 Jenis data dan Sumber data
3.3.1 Jenis Data
Data yang diperlukan dalam penelitian ini adalah data sekunder yang meliputi komite audit, proporsi dewan komisaris independen, kepemilikan
manajerial, kualitas auditor dan profitabilitas.
3.3.2 Sumber Data
Dalam penelitian ini, metode pengambilan data yang digunakan yaitu dengan metode dokumentasi dikarenakan data berupa data sekunder. Data yang
diperlukan dalam penelitian ini adalah data yang diperoleh melalui Indonesian Capital Market Directory tahun 2011
– 2013 dan www.idx.co.id. 3.4
Metode Analisis 3.4.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimun,
range Ghozali, 2006.
3.4.2Uji Asumsi Klasik 3.4.2.1 Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji
ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik parametrik, dan jika data tidak normal
maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Data yang baik adalah data yang mempunyai pola seperti distribusi
normal. Untuk melihat normalitas dapat dilakukan dengan melihat histogram atau pola distribusi data normal. Normalitas dapat dideteksi dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Dasar pengambilan keputusannya adalah:
1. jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya menunjukkan pola berdistribusi
normal, maka model regresi memenuhi asumsi normalitas,
2.
jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Dalam penelitian ini Peneliti menggunakan uji Kolmogorov-Smirnov K-S
untuk menguji normalitas data.
3.4.2.2 Uji Multikolaritas
Uji multikolonieritas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi Ghozali, 2006.
Model regresi yang baik seharusnya bebas dari multikolonieritas. Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak
ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel sama dengan nol. Deteksi terhadap ada tidaknya
multikolonieritas yaitu a Nilai R square R
2
yang dihasilkan oleh suatu estimasi model regresi empiris yang sangat tinggi, tetapi secara individual
tidak terikat, b Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen terdapat korelasi yang cukup tinggi lebih
dari 0,09, maka merupakan indikasi adanya multikolonieritas, c Melihat nilai tolerance dan variance inflation factor VIF, suatu model regresi yang
bebas dari masalah multikolonieritas apabila mempunyai nilai tolerance 0,1 dan nilai VIF 10.
3.4.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu
pengamatan dengan pengamatan yang lain. Menurut Ghozali 2006:125 Model regresi yang baik adalah yang homoskesdatisitas atau tidak terjadi
heteroskedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot. Analisis pada
gambar Scatterplot yang menyatakan model regresi berganda tidak terdapat heteroskedastisitas jika:
1. titik-titik data menyebar di atas, di bawah atau di sekitar angka nol, 2. titik-titik data tidak mengumpul hanya di atas atau dibawah,
3. penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali,
4. penyebaran titik-titik data sebaiknya tidak berpola.
3.4.2.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi atau kesalahan pengganggu pada periode t dengan
kesalahan periode t-1. Jika terjadi autokorelasi, maka terdapat problem autokorelasi. Menurut Ghozali 2006:99, autokorelasi muncul karena
observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan pada data time series. Pada data cross
section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian untuk mendeteksi ada tidaknya autokorelasi adalah dengan
menggunakan uji Durbin-Watson DW. Kriteria untuk penilaian terjadinya autokorelasi yaitu:
1. nilai D-W lebih kecil dari -2 berarti ada korelasi positif, 2. nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi,
3. nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif.
3.4.3 Analisis Regresi Linear Berganda
Metode analisis yang digunakan untuk menilai variabilitas luas pengungkapan risiko dalam penelitian ini adalah analisis regresi berganda
multiple regression analysis. Analisis regresi berganda digunakan untuk menguji pengaruh variabel independen tingkat risiko perusahaan, ukuran
perusahaan dan jenis industri terhadap variabel dependen pengungkapan risiko perusahaan. Model regresi yang dikembangkan untuk menguji hipotesis-
hipotesis yang telah dirumuskan dalam penelitian ini adalah: DA = β0 + β1 KMA+ β2 KI + β3 KPMJ + β4 AUD + β5 ROA+ e.
Keterangan : Dimana: DA = discretionary accrual = manajemen laba
β
1,2,3,4,5
= koefisien variabel KMA = Komite Audit
KI = Proporsi Dewan Komisaris Independen KPMJ = Kepemilikan Manajerial
AUD = Kualitas Auditor ROA = Profitabilitas
e
= residual of error
3.4.4 Uji Hipotesis
3.4.4.1 Uji Koefisien Determinasi
Koefisien Determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan variabel-variabel dependen. Nilai koefisien determinasi
R
2
adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan
variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Jika koefisien determinasi sama dengan nol, maka variabel
independen tidak berpengaruh terhadap variabel dependen. Jika besarnya koefisien determinasi mendekati angka 1, maka variabel independen
berpengaruh sempurna terhadap variabel dependen. Dengan menggunakan model ini, maka kesalahan penganggu diusahakan minimum sehingga R
2
mendekati 1, sehingga perkiraan regresi akan lebih mendekati keadaan yang sebenarnya.
3.4.4.2 Uji Signifikansi Parameter Individual Uji Statistik t
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat.
Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual. Rumusan Hipotesis yang akan diuji adalah sebagai berikut:
H diterima bila t
tabel
t
hitung
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang signifikan dari
variabel bebas secara parsial terhadap variabel terikat, H
a
diterima bila t
hitung
t
tabel
,atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan dari variabel
bebas secara parsial terhadap variabel terikat.
3.4.4.3 Uji Signifikansi Simultan Uji Statistik F
Pengujian Hipotesis Distribusi F pada model regresi berganda dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama
terhadap variabel terikat.
Rumusan hipotesis yang diuji adalah sebagai berikut: terima H
tolak H
a
bila F
hitung
≤ F
tabel
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang
signifikan secara serentak dari variabel bebas terhadap variabel terikat, tolak H
terima H
a
bila F
hitung
F
tabel
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan
secara serentak dari variabel bebas terhadap variabel terikat.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
Penelitian ini menggunakan data sekunder dimana data tersebut dapat diperoleh melalui situs www.idx.co.id. Data yang digunakan merupakan data
laporan keuangan perusahaan manufaktur yang listed di Bursa Efek Indonesia BEI yang dipublikasikan setelah melalui proses audit oleh auditor independen.
Penelitian ini menggunakan metode analisis statistik yang menggunakan persamaan analisis regresi linear berganda. Pengujian asumsi klasik dan regresi
berganda dilakukan dengan menggunakan software SPSS versi 19. Berdasarkan kriteria yang telah ditetapkan oleh peneliti pada bab III maka diperoleh 33
perusahaan sebagai sampel dalam penelitian ini dengan periode 2011-2013.
4.2 Analisis Statistik Deskriptif
Analisi Statistik deskriptif adalah bagian dari statatistik yang digunakan untuk menggambarkan atau mendeskripsikan mengenai nilai minimum, nilai
maksimum, nilai rata-rata mean, median dan standar deviasi data yang digunakan dalam penelitian. Variabel-variabel penelitian dimasukkan ke
program SPSS dan menghasilkan output-output sesuai dengan metode analisis data yang telah ditentukan. Berikut ini tampilan data statistic secara umum dari
seluruh data yang digunakan sebagaimana terlihat pada tabel berikut:
Tabel 4.1 Statistik Deskriptif
Sumber : Diperoleh dengan SPSS,2014 Berdasarkan data yang disajikan oleh tabel 4.1 dapat dijelaskan
penggambaran mengenai pendeskripsian data yang digunakan dalam penelitian ini sebagai berikut.
1. Rata rata variabel Manajemen Laba diperoleh dengan discretionary accrual DA adalah 0.0260, dengan nilai maksimum 0.30 dan nilai minimum -0.24
serta nilai Standart Deviation sebesar 0,08560. Maka dapat di indikasikan data bervariatif dan menyebar diantara nilai maksimum dan minimum.
2. Rata-rata variabel Komite Audit adalah 3.1818 dengan standar deviasi 0.38766, dengan nilai maksimum 4.00 dan nilai minimum 3.00. Maka dapat
di indikasikan data bervariatif dan menyebar diantara nilai maksimum dan minimum.
3. Rata-rata variabel Proporsi Dewan Komisaris Independen 0.3703 dengan standar deviasi 0.09029, dengan nilai maksimum 0.60 dan nilai minimum
0.25. Maka dapat di indikasikan data bervariatif dan menyebar diantara nilai minimum dan maksimum.
4. Rata-rata variabel Kepemilikan Manajerial adalah 0.1458 dengan standar deviasi 0.21260, dengan nilai maksimum 0,87 dan nilai minimum 0,00. Maka
dapat di indikasikan data bervariatif dan menyebar diantara nilai minimum dan maksimum.
5. Rata-rata variabel Kualitas Auditor adalah 0.4545 dengan standar deviasi 0.50046, dengan nilai maksimum 1,00 dan nilai minimum 0.00. Maka dapat
di indikasikan data bervariatif dan menyebar diantara nilai minimum dan maksimum.
6. Rata-rata variabel Profitabilitas adalah 0.1024 dengan standar deviasi 0.08924, dengan nilai maksimum 0.40 dan nilai minimum 0.00. Maka dapat
di indikasikan data bervariatif dan menyebar diantara nilai minimum dan maksimum.
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas Data
Regresi yang baik menyarankan adanya normalitas pada data penelitian atau pada nilai residualnya bukan pada masing-masing variabelnya.
Uji normalitas model regresi dalam penelitian ini menggunakan analisis grafik dengan melihat histogram dan normal probability plot. Apabila ploting data
membentuk satu garis lurus diagonal maka distribusi data adalah normal. Berikut adalah hasil uji normalitas dengan menggunakan diagram.
Tabel 4.2
Uji Normalitas 1 : Kolmogrov Smirnov
Sumber: Diolah dengan SPSS, 2015
Berdasarkan tabel 4.2dapat diketahui apakah data penelitian telah berdistribusi normal atau tidak, dan hasil test distribution ternyata menunjukan normal, yang
ditunjukan oleh nilai Asymp. Sig 2 –tailed sebesar 0.840 0.05, dan nilai
Kolmogrov-Smirnov Z 0.6181.97. Untuk lebih lanjut dapat dilihat dalam tampilan grafik berikut ini:
Histogram
Gambar 4.1 Uji Normalitas 2 : Histogram
Sumber data : Diolah dengan SPSS, 2015
Dari grafik histogram diatas Gambar 4.1 diketahui bahwa variable manajemen laba berdistribusi normal, hal ini ditunjukkan oleh distribusi data tersebut tidak
menceng ke kiri atau ke kanan tetapi membentuk seperti lonceng. Sementara untuk melihat data berdistribusi normal atau tidak juga dapat dilihat
dari grafik PP Plot. Untuk lebih lanjut dapat dilihat dari tampilan berikut ini:
Gambar 4.2 Uji Normalitas 3 : Grafik
PP Plots Sumber data : Diolah dengan SPSS, 2015
Pada gambar 4.2 Normal P-Plot menunjukan bahwa distribusi data cenderung
mendekati garis distribusi normal, distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan, dalam arti data tersebut mempunyai pola seperti distribusi
normal, artinya data tersebut sudah layak untuk dijadikan bahan dalam penelitian.
4.3.2 Uji Multikolinearitas