Uji Asumsi Klasik Pengaruh Mekanisme Corporate Governance, Audit Tenure, Dan Ukuran Perusahaan Terhadap Integritas Laporan Keuangan: Studi Empiris Pada Perusahaan Bumn Yang Terdaftar Di Bursa Efek Indonesia Tahun 2010-2014

69 dikeluarkan oleh perusahaan.

D. Metode Analisis Data

Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang perhitungannya dilakukan dengan menggunakan SPSS versi 19. Analisis ini bertujuan untuk menentukan pengaruh antara variabel mekanisme corporate governance, audit tenure dan ukuran perusahaan.

1. Statistik Deskriptif

Analisa statistik deskriptif memberikan gambaran ringkas dari sekumpulan data yang didalamnya mencakup nilai tengah median, nilai rata-rata mean, nilai standar deviasi, nilai minimum dan maksimum dari setiap variabel yang digunakan dalam model penelitian, sehingga pada akhirnya data-data tersebut dapat disimpulkan secara mudah dan cepat. Hasil analisis tersebut dapat digunakan untuk mengetahui karakteristik dan kewajaran data observasi yang digunakan untuk masing-masing variabel tersebut. Oleh karena itu, dengan melakukan analisa statistik deskriptif ini akan dapat diketahui apabila terdapat outlier dalam data observasi yang digunakan. Dalam penelitian ini, analisis deksriptif digunakan untuk mengetahui tingkat integritas laporan keuangan, kepemilikan institusional, kepemilikan manajerial, komite audit, komisaris independen, audit tenure dan ukuran perusahaan Ghozali, 2013.

2. Uji Asumsi Klasik

Untuk melakukan uji asumsi klasik atas data sekunder ini, maka peneliti melakukan uji normalitas, uji multikolinieritas, uji autokorelasi, dan uji 70 heteroskedastisitas.

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketehui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2013. Untuk melakukan uji normalitas dapat dilakukan melalui pengujian Kolmogorov Smirnov. Pengujian ini lebih sederhana untuk dilakukan dibandingkan dengan pengujian normalitas dengan menggunakan grafik yang seringkali menimbulkan perbedaan presepsi. Ghozali 2013 menjelaskan analisa dari hasil pengujian Kolmogorov Smirnov adalah: a Jika signifikansi Sig 0.05 maka data berdistribusi normal. b Jika signifikansi Sig 0.05 maka data berdistribusi tidak normal.

b. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel independen yang nilai kolerasi antar sesama variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut: 71 a Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel indpenden banyak yang tidak signifikan mempengaruhi variabel dependen. b Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0,90, maka adanya indikasi multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen. c Multikolinieritas dapat juga dilihat dari 1 nilai toleransi dan lawannya 2 Variance Inflation Factor VIF . Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Sebuah model dinyatakan bebas dari masalah multikolinieritas apabila nilai VIF kurang dari 10. Ghozali, 2013

c. Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka ada dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan penggangu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut time time series 72 karena gangguan pada seorang individukelompok cenderung mempengaruhi gangguan pada individukelompok yang sama pada periode berikutnya. Uji autokorelasi pada penelitian ini menggunakan Run Test. Autokorelasi tidak terjadi apabila probabilitas signifikan lebih besar dari α = 0,05 Ghozali, 2013.

d. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ghozali 2013 menyatakan ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu: a Melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Deteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di- studentized . b Uji Glejser. Glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel independen.

3. Uji Hipotesis