65 Sumber: Alsaeed
2006, Sembiring 2005, Susilatri 2009
dan Prima 2011 Risk Disclosure Y
Sumber: Hord Doring 2013, Rustriani
2012, Amran 2004
Pengungkapan Risiko
Variabel Dummy 1 untuk setiap item
pengungkapan dibagi total jumlah item
pengungkapan sebesar 108
Skala Rasio
F. Metode Analisis Data
Data dalam penelitian ini akan dianalisis dengan metode:
1. Statistik Deskriptif
Penggunaan statistik deskriptif variabel penelitian dimaksudkan agar dapat
memberikan penjelasan
yang memudahkan
peneliti dalam
menginterpretasikan hasil analisis data dan pembahasannya. Statistik deskriptif berhubungan dengan pengumpulan dan peringkasan data serta penyajiannya
yang biasanya disajikan dalam bentuk tabulasi baik secara grafik dan atau numerik. Statistik deskriptif memberikan gambaran suatu data yang dilihat dari
nilai rata-rata mean, standar deviasi, nilai maksimum dan minimum.
2. Uji Dasar Asumsi Klasik
Dalam penelitian ini uji asumsi klasik yang digunakan adalah uji normalitas data, multikolonieritas, autokorelasi dan heterokedastisitas.
66 a. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, baik variabel independen maupun dependen, telah terdistribusi
secara normal. Model regresi yang baik adalah model regresi yang memiliki distribusi data normal atau mendekati normal. Untuk mengetahui normal
atau tidaknya distribusi data dapat dideteksi dengan melihat Normality Probability Plot P-Plot. Jika data titik menyebar di sekitar garis diagonal
serta mengikuti arah garis diagonal atau garis histogramnya, maka menunjukkan pola distribusi yang normal dan model regresi telah
memenuhi asumsi normalitas Suliyanto, 2011. Dalam Uji Normalitas data penelitian ini menggunakan uji
normalitas Kolmogorov Smirnov yaitu, dengan membandingkan distribusi data yang akan diuji normalitasnya dengan dsitribusi normal baku.
Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-score dan di asumsikan normal. Jadi sebenarnya uji Kolmogorv
Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa. Jika signifikansi dibawah 0,05
berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0.05 maka tidak terjadi perbedaan yang signifikan.
67 Penerapan pada Uji Kolmogorov Smirnov adalah bahwa
signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut
tidak normal. Lebih lanjut, jika signifikansi di atas 0.05 maka berarti tidak terdapat perbedan yang yang signifikan, berarti data tersebut normal.
b. Uji Multikolonieritas Uji multikolonieritas bertujuan untuk menguji apakah dalam model
regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen Suliyanto, 2011. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi dapat dilihat dari besaran nilai
Tolerance dan VIF Variance Inflation Factor. Regresi bebas dari masalah multikolonieritas jika nilai Tolerance 0,10 atau sama dengan nilai VIF
10 Suliyanto, 2011. c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi terdapat korelasi antara kesalahan penggangu pada periode t dengan
periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah model regresi yang
bebas dari problem autokorelasi Suliyanto, 2011. Untuk mendeteksi ada atau tidaknya autokorelasi dalam model regresi dapat dilihat dari nilai
Durbin Watson D-W nya. Regresi bebas dari masalah autokorelasi jika nilai D-W berada diantara -2 dan +2 Sunyoto, 2009
68 d. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah model
regresi yang homokedastisitas Suliyanto, 2011. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik Scatterplot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID dimana sumbu Y adalah yang telah
diprediksi sedangkan sumbu X adalah residual. Jika ada pola tertentu maka mengindikasikan telah terjadi heterokedastisitas, namun jika tidak ada pola
yang jelas serta titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi heterokedastisitas Suliyanto, 2011.
Uji Heterokedasitas dalam penelitian ini juga menggunakan uji spearman, dimana dilakukan perhitungan dari korelasi rank spearman
antara variael absolute U
t
dengan variable-variable bebas. Kemudian nilai dari rank spearman tersebut dibandingkan dengan nilai statistic yang
ditentukan. Masalah heterokedasitas tidak terjadi bila rank spearman antara variabel absolute residual regresi dengan variabel-variabel bebas lebih besar
dari nilai signifikan. Nilai signifikan untuk uji Spearman adalan 0,05 Elcom, 2010.
69
3. Uji Hipotesis