46 Adapun kriteria dari pemilihan sampel pada penelitian ini adalah sebagai
berikut: 1. Perusahaan farmasi yang terdaftar di BEI periode 2010-2014.
2. Perusahaan farmasi yang mempublikasikan laporan tahunan di BEI secara konsisten dan lengkap yang dinyatakan dalam mata uang rupiah selama
periode 2010-2014.
C. Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak
langsung melalui media perantara. Data sekunder umumnya berupa bukti, catatan atau laporan historis yang telah tersusun dalam arsip data dokumenter
yang dipublikasikan dan tidak dipublikasikan. Teknik pengumpulan data yang digunakan dalam penelitian ini dengan cara mengumpulkan data sekunder yang
diperoleh dari media internet dengan cara mendownload laporan tahunan perusahaan farmasi melalui situs resmi Bursa Efek Indonesia BEI dengan
alamat website www.idx.co.id.
D. Metode Analisis Data
Metode analisis data dalam penelitian ini adalah dengan menggunakan perhitungan statistik, yaitu dengan penerapan SPSS Statistical Product and
Services Solutions for windows 22. Setelah data-data yang diperlukan dalam
penelitian ini terkumpul, maka selanjutnya dilakukan analisis data yang terdiri
47 dari metode analisis statistik deskriptif, uji asumsi klasik, uji koefisien
determinasi dan uji hipotesis. Adapun penjelasan mengenai metode analisis data tersebut adalah sebagai berikut.
1. Statistik Deskriptif Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang
dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness kemelencengan distribusi
Ghozali, 2013:19. Jadi dalam penelitian ini analisis statistik deskriptif digunakan untuk mengetahui gambaran mengenai struktur kepemilikan
manajerial, leverage, growth opportunities, ukuran perusahaan dan konservatisme akuntansi.
2. Uji Asumsi Klasik Uji asumsi klasik bertujuan untuk mengetahui kelayakan penggunaan
model regresi dalam penelitian ini. Uji asumsi klasik yang digunakan pada penelitian ini terdiri atas uji normalitas, uji multikolinearitas, uji
autokorelasi dan uji heteroskedastisitas. a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Seperti diketahui bahwa uji t dan F mengansumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji
statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara
48 untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu
dengan cara analisis grafik dan uji statistik Ghozali, 2013:160. Salah satu cara termudah untuk melihat normalitas residual adalah
dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun
demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal
adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan
membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual
normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2013:161.
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati- hati secara visual kelihatan normal, padahal secara statistik bisa
sebaliknya Ghozali, 2013:163. Oleh karena itu dalam penelitian ini digunakan uji statistik dengan uji statistik non-parametrik Kolmogorov-
Smirnov K-S. Jika nilai Kolmogorov-Smirnov memiliki tingkat
signifikan di atas a 0,05 berarti regresi memenuhi asumsi normalitas Ghozali, 2013:165.
b. Uji Multikolonieritas Uji multikolinearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas independen. Model
49 regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
independen. Jika variabel independen saling berkorelasi, maka variabel- variabel ini tidak ortogonal. Variabel ortogonal adalah variabel
independen yang nilai korelasi antar sesama variabel independen adalah sama dengan nol. Salah satu cara untuk mendeteksi multikolinearitas
dilakukan dengan menggunakan nilai VIF Variance Inflation Factor dan tolerance. Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai tolerance = 0,10 atau sama dengan nilai VIF = 10 Ghozali, 2013:106. Jika nilai tolerance 0,10 dan VIF 10
maka tidak terjadi multikolinearitas. c. Uji Autokorelasi
Uji autokorelasi bertujuan 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. Model regresi yang
baik adalah regresi yang bebas dari autokorelasi Ghozali, 2013:110. Pada penelitian ini, uji autokorelasi menggunakan uji Runs test dengan
ketentuan probabilitas lebih besar dari signifikansi 0,05. d. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
50 pengamatan yang lain. Jika varians dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah
homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2013:139. Dalam penelitian ini, asumsi heteroskedastisitas akan diuji
menggunakan analisis grafik scatterplot antara nilai prediksi variabel terikat yaitu ZPRED dengan residualnya SRESID.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara
SRESID dan ZPRED. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas Ghozali, 2013:139. Selain menggunakan analisis grafik scatterplot untuk membuktikan lebih lanjut apakah
terdapat heteroskedastisitas pada model regresi maka dapat di uji juga dengan menggunakan glejser Ghozali, 2013:142. Nilai signifikan
masing-masing variabel pada uji glejser harus memiliki tingkat signifikansi lebih dari 5.
3. Uji Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya adalah mengukur seberapa jauh kemampuan model dalam menjelaskan variasi variabel dependen. Nilai
Koefisien determinasi R
2
adalah antara 0 nol dan 1 satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti
51 variabel-variabel independen memberikan semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen, secara umum koefisien determinasi untuk data silang crosssection relatif rendah karena
adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun time series biasanya mempunyai nilai koefisien
determinasi yang tinggi Ghozali, 2013:97. Kelemahan mendasar penggunaan koefisien determinasi adalah bias
terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R
2
pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap
variabel dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R
2
pada saat mengevaluasi model regresi terbaik. Tidak seperti R
2
, nilai adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model Ghozali, 2013:97.
4. Uji Hipotesis Hipotesis dalam penelitian ini diuji dengan menggunakan model regresi
linier berganda. Regresi linier berganda digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap satu variabel dependen.
Adapun variabel independen dalam penelitian ini terdiri dari struktur kepemilikan manajerial, leverage, growth opportunities dan ukuran
perusahaan. Sedangkan variabel dependennya adalah konservatisme akuntansi. Untuk menguji hipotesis dari variabel-variabel tersebut, maka
rumus persamaan regresi yang digunakan adalah sebagai berikut:
52 Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ e keterangan:
Y = Konservatisme Akuntansi BTMR
α = Konstanta
β
1
= Koefisien regresi pertama, yaitu besarnya perubahan Y apabila X
1
berubah 1 satuan X
1
= Struktur Kepemilikan Manajerial MOWN β
2
= Koefisien regresi pertama, yaitu besarnya perubahan Y apabila X
2
berubah 1 satuan X
2
= Leverage DER β
3
= Koefisien regresi pertama, yaitu besarnya perubahan Y apabila X
3
berubah 1 satuan X
3
= Growth Opportunities MBVE β
4
= Koefisien regresi pertama, yaitu besarnya perubahan Y apabila X
4
berubah 1 satuan X
4
= Ukuran Perusahaan SIZE e
= Kesalahan Regresi regretion error Pada penelitian ini, pengujian hipotesis menggunakan uji signifikansi
parameter individual dan uji signifikansi simultan. a. Uji Signifikansi Parameter Individual Uji Statistik t
Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas independen secara individual menerangkan variasi variabel
dependen dan digunakan untuk mengetahui ada atau tidaknya pengaruh
53 masing-masing variabel independen secara individual terhadap variabel
dependen yang diuji pada tingkat signifikansi 0,05. Langkah yang digunakan dalam menguji hipotesis ini adalah dengan menentukan level
of significance- nya. Level of significance yang digunakan adalah sebesar
5 atau a = 0,05. Jika sign t 0,05 maka Ha ditolak namun jika sign t 0,05 maka Ha diterima dan berarti terdapat pengaruh yang signifikan
antara variabel independen dengan variabel dependen Ghozali, 2013:99.
b. Uji Signifikansi Simultan Uji Statistik F Uji statisitik F pada dasarnya menunjukkan apakah semua variabel
independen bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen terikat. Uji
statistik F digunakan untuk mengetahui pengaruh semua variabel independen yang dimasukkan dalam model regresi secara bersama-
sama terhadap variabel dependen yang di uji pada tingkat signifikan 0,05. Jika nilai signifikansi lebih kecil dari 0,05 maka H
ditolak dan Ha diterima, hal ini berarti bahwa semua variabel independen secara
bersama-sama dan signifikan mempengaruhi variabel dependen. Sebaliknya, jika nilai signifikansi lebih besar dari 0,05 maka H
diterima dan Ha ditolak , hal ini berarti bahwa semua variabel independen tidak
mempunyai pengaruh secara bersama-sama terhadap variabel dependen Ghozali, 2013:98.
54
E. Operasional Variabel Penelitian
