Metode Analisa Data

E. Metode Analisa Data

1. Pengujian Asumsi Klasik

commit to user

Uji normalitas bertujuan untuk menguji apakah dalam model regresi dengan membagi model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2005). Untuk menguji normalitas, peneliti akan menggunakan uji Kolmogorov Smirnov. Jika nilai ρ value > 0.05 maka data tersebut berdistribusi normal, jika ρ value < 0.05 maka data tidak berdistribusi normal.

b. Pengujian Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen) (Ghozali, 2005). Model regresi yang baik seharusnya tidak terjadi korelasi di antara independen. Jika variabel independen saling korelasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel independen yang nilai korelasi antar sesama variabel sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model, peneliti akan melihat Tolerence dan Variance Inflation Factors (VIF) dengan alat bantu program Statistical Package for the Social Sciences (SPSS).

Tolerence mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Jadi nilai Tolerence yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/Tolerence). Nilai cut off yang umum dipakai untuk menunjukkan

commit to user

dengan nilai VIF > 10. Bila ternyata dalam model terdapat multikolinieritas, peneliti akan mengatasi hal tersebut dengan transformasi variabel. Transformasi variabel merupakan salah satu cara mengurangi hubungan linier di antara variabel independen. Transformasi dapat dilakukan dalam bentuk logaritma natural dan bentuk first difference atau delta (Ghozali, 2005).

c. Pengujian Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t- 1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “gangguan” pada individu atau kelompok yang sama pada periode berikutnya. Pada data cross section (silang waktu), masalah autokorelasi relatif jarang terjadi karena gangguan pada observasi yang berbeda berasal dari individu atau kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghozali, 2005). Untuk menguji ada tidaknya masalah autokorelasi, penelitian ini menggunakan alat statistik berupa run test dengan kriteria pengujian didasarkan pada nilai asymp sig. Apabila

commit to user

autokorelasi dan sebaliknya jika lebih kecil 5%, maka terdapat autokorelasi dalam model regresi yang digunakan.

d. Pengujian 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 yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam model, peneliti akan menggunakan uji Glejser dengan bantuan program SPSS 13.0.0. Uji Glesjer mengusulkan untuk meregresi nilai absolute residual terhadap variabel independen (Gujarati,2003) dengan persamaan regresi :

|Abs_Ut| = α1 + α2x1 + α3x2 + α4x3 + α5x1x4 + α6x1x5 + e Apabila koefisien parameter beta > 0.05 maka tidak ada masalah heteroskedastisitas (Ghozali,2005).

2. Pengujian Hipotesis

commit to user

hipotesis akan diuji dengan persamaan regresi seperti berikut ini

Y i = α + +β i OS i + i DK i + i AC i + ε Y i : Variabel dependen efisiensi

Y 1 : Score efficiency (E)

Variabel independen mekanisme corporate governance

OS i : Struktur Kepemilikan Perusahaan

OS 1 : Saham direktur dan komisaris (KMAN)

OS 2 : Saham Institusional (KIT)

DK i : Struktur Dewan Komisaris

DK 1 : Jumlah anggota dewan komisaris (UDK)

DK 2 : Proporsi Komisaris Independen (KI)

DK 3 : Proporsi Gaji Manager terhadap aset (PGTA)

AC i : Karakteristik Komite Audit

AC 1 : Jumlah rapat komite audit (RKOM)

commit to user

(KAA)

AC 3 : Proporsi Komite audit independen (KAI)

1. Uji Ketepatan Perkiraan (Uji R 2 )

Koefisien determinasi (R 2 ) digunakan untuk mengukur seberapa jauh kemampuan model untuk menerangkan variasi variabel independen (Ghozali, 2005). Nilai koefisien yang diperoleh akan

berkisar 0 < R 2 ≤1 dimana jika nilai R 2 semakin mendekati 1, maka semakin kuat kemampuan variabel independen dalam menjelaskan variabel dependen. Jika dalam suatu model terdapat lebih dari dua

variabel independen maka lebih baik menggunakan nilai adjusted R 2 .

2. Pengujian signifikansi-F

Uji signifikansi F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model regresi mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat (Ghozali, 2005). Untuk mengetahui apakah variabel independen secara bersama-sama atau simultan mempengaruhi variabel dependen, maka peneliti menggunakan uji siginifikansi

commit to user

pengujiannya adalah seperti berikut ini. (1) H 0 diterima dan H a ditolak, apabila nilai signifikansi lebih dari nilai alpha 0,05 berarti variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen atau dapat dikatakan bahwa model regresi tidak signifikan.

(2) H 0 ditolak dan H a diterima, yaitu apabila nilai signifikansi kurang dari nilai alpha 0,05 berarti variabel independen secara bersama-sama berpengaruh terhadap variabel dependen atau dapat dikatakan bahwa model regresi signifikan.

3. Pengujian Parameter Individual (Uji signifikansi-t)

Uji signifikansi-t digunakan untuk mengetahui apakah variabel bebas secara parsial mempengaruhi variabel terikat dengan asumsi variabel independen lainnya konstan. Kriteria pengujiannya adalah seperti berikut ini.

1) H 0 diterima dan H a ditolak yaitu apabila bila nilai signifikansi lebih dari nilai alpha 0,05 berarti variabel independen secara individual tidak berpengaruh terhadap variabel dependen.

2) H 0 ditolak dan H a diterima yaitu apabila nilai signifikansi kurang dari nilai alpha 0,05 berarti variabel independen secara individual berpengaruh terhadap variabel dependen.

commit to user