Hipotesis:

H1= Total Aset Perusahaan Berpengaruh Positif Terhadap Luas Pengungkapan CG

H2= Umur Listing Perusahaan Berpengaruh Positif Terhadap Luas Pengungkapan CG
H3= Kepemilikan Dispersi Berpengaruh Positif Terhadap Luas Pengungkapan CG
H4= Perusahaan Multinasional Berpengaruh Positif Terhadap Luas Pengungkapan CG
H5= Ukuran Dewan Komisaris Berpengaruh Positif Terhadap Luas Pengungkapan CG

Analisis Statistik Deskriptif

Descriptive Statistics
N

Minimum

Maximum

Mean

Std. Deviation

UMUR

35

30

13.57

6.094

DISPERSI

35

.05

.97

.3529

.20016

KOM

35

10

5.00

2.223

LNASET

35

12.20

17.97

14.8720

1.26978

PMN

35

.66

.482

IPCG

35

.22

.81

.5074

.15819

Valid N (listwise)

35

Jumlah sampel dari data diatas adalah 35 perusahaan. Nilai rata-rata IPGC adalah 0,5074 dengan
nilai minimum sebesar 0,22 dan maksimum sebesar 0,81. Variable umur perusahaan memiliki
rata-rata sebesar 13,57 dengan nilai minimum 1 dan maksimum 30. Variable dispersi memiliki
rata-rata sebesar 0,3529 dengan nilai minimum 0,05 dan maksimum 0,97. Variable jumlah
komisaris memiliki rata-rata 5 dengan nilai minimum 2 dan maksimum 10. Variable jumlah asset
memiliki rata-rata sebesar 14,8720 dengan nilai minimum sebesar 12,20 dan maksimum 17,97.

Korelasi

Correlations
UMUR
Pearson Correlation
UMUR

DISPERSI
1

Pearson Correlation
DISPERSI

Sig. (1-tailed)
N

KOM

.067

-.001

.119

.191

.334

.350

.498

.248

.135

35

35

35

35

35

35

-.075

-.105

.147

-.215

-.047

.274

.199

.107

.394

35

35

35

35

**

.137

.308*

.000

.216

.036

35

35

35

**

.282

.005

.051

.334
35

35
-.105

Sig. (1-tailed)

.350

.274

35

35

35

-.001

.147

**

.498

.199

.000

35

35

35

35

35

35

**

-.035

Sig. (1-tailed)
N

.588

.588

.428

.428

Pearson Correlation

.119

-.215

.137

Sig. (1-tailed)

.248

.107

.216

.005

35

35

35

35

35

35

.282

-.035

IPCG

IPCG

.067

Pearson Correlation

PMN

PMN

Pearson Correlation
N
LNASET

LNASET

-.075

Sig. (1-tailed)
N

KOM

.421

Pearson Correlation

.191

-.047

.308

Sig. (1-tailed)

.135

.394

.036

.051

.421

35

35

35

35

35

35

**. Correlation is significant at the 0.01 level (1-tailed).

*. Correlation is significant at the 0.05 level (1-tailed).

Interpretasi:
1. Arti angka korelasi
Korelasi + atau berarti menunjukkan hubungan positif atau negative.
Korelasi antara DISPERSI dengan UMUR, DISPERSI dengan KOM, PMN dan IPCG,
LNASET dengan UMUR, dan PMN dengan IPCG menunjukkan arah korelasi negative,
sehingga semakin tinggi DISPERSI maka UMUR makin turun, begitu juga sebaliknya.
Besar korelasi yang < 0,5 berarti korelasinya lemah, seperti DISPERSI dengan UMUR
sebesar -0,075 dan DISPERSI dengan IPCG sebesar -0,047.
Besar korelasi yang > 0,5 berarti korelasinya tinggi, seperti DISPERSI dengan KOM
sebesar -0,105 , dan DISPERSI dengan PMN sebesar 0,215.
Korelasi antara IPCG dengan UMUR, KOM, LNASET menunjukkan tanda + artinya
semakin tinggi IPCG maka semakin besar pula UMUR, KOM dan LNASET.

Besar korelasi < 0,5 berarti berkorelasi lemah seperti KOM dengan UMUR sebesar
0,067, sedangkan korelasi > 0,5 berarti berkorelasi tinggi seperti IPCG dengan UMUR,
KOM dan LNASET masing-masing sebesar 0,191, 0,308, dan 0,282.
2. Signifikansi hasil korelasi
Nilai probabilitas >0,05 dari korelasi antara IPCG dengan UMUR, DISPERSI masingmasing 0,135 dan 0,394 berarti lemah/ tidak terdapat hubungan.

Sedangkan nilai

probabilitas <0,05 dari korelasi IPCG dan KOM, dan LNASET masing-masing sebesar
0,036 dan 0,051 berarti berhubungan kuat.
Uji Asumsi Klasik
1. Normalitas

Grafik histogram membentuk lonceng atau pola distribusi normal. Serta grafik normal pplot titik-titiknya berada di sekitar garis diagonal dan searah garis diagonal. Dengan
demikian maka tidak terdapat masalah normalitas.

2. Autokorelasi
Pada bagian model summary, terlihat angka Durbin-Watson sebesar +1,645. Nilai ini
terletak diantara 1,55 2,46 yang menunjukkan bahwa tidak ada masalah autokorelasi.

Model Summaryb
Model

Change Statistics
df2

Durbin-Watson

Sig. F Change
29a

.287

a. Predictors: (Constant), PMN, UMUR, KOM, DISPERSI, LNASET

b. Dependent Variable: IPCG

3. Multikolonieritas

Coefficientsa
Model

Collinearity Statistics
Tolerance

VIF

UMUR

.971

1.029

DISPERSI

.800

1.250

KOM

.573

1.746

LNASET

.444

2.251

PMN

.678

1.474

a. Dependent Variable: IPCG

Coefficient Correlationsa

1.645

Model

PMN

Correlations

DISPERSI

LNASET

1.000

-.136

.260

.360

-.521

UMUR

-.136

1.000

-.100

.004

.099

KOM

.260

-.100

1.000

.305

-.641

DISPERSI

.360

.004

.305

1.000

-.392

-.521

.099

-.641

-.392

1.000

.004

-4.018E-005

.000

.004

-.001

-4.018E-005

1.952E-005

-6.990E-006

2.721E-006

1.373E-005

KOM

.000

-6.990E-006

.000

.001

.000

DISPERSI

.004

2.721E-006

.001

.022

-.002

-.001

1.373E-005

.000

-.002

.001

PMN
UMUR
Covariances

KOM

PMN

LNASET

UMUR

LNASET
a. Dependent Variable: IPCG

Collinearity Diagnosticsa
Mod

Dimension Eigenvalu Condition Index

el

Variance Proportions
(Constant)

UMUR

DISPERSI

KOM

LNASET

PMN

5.233

1.000

.00

.01

.01

.00

.00

.01

.360

3.815

.00

.00

.21

.00

.00

.38

.192

5.220

.00

.15

.34

.10

.00

.30

.153

5.850

.00

.58

.00

.26

.00

.00

.060

9.326

.03

.24

.33

.28

.01

.07

.002

53.244

.97

.03

.11

.36

.99

.24

a. Dependent Variable: IPCG

Pada bagian coefficient terlihat angka VIF yang berada di sekitar angka 1 dan nilai
tolerance mempunyai angka yang mendekati 1. Dengan demikian dapat disimpulkan
bahwa model regressi tersebut tidak terdapat masalah multikolonieritas.

4. Heterokedastisitas

Grafik scaterplot menunjukkan pola yang menyebar dan tidak membentuk pola. Dengan
demikian model regresi ini bebas dari masalah heterokedastisitas.
Analisis regresi berganda

Variables Entered/Removeda
Model

Variables

Variables

Entered

Removed

PMN, UMUR,
1

Method

. Enter

KOM,
DISPERSI,
LNASETb

a. Dependent Variable: IPCG

b. All requested variables entered.

Uji koefisien determinasi

Model Summaryb
Model

R Square

Adjusted R

Std. Error of the

Square

Estimate

Change Statistics
R Square

F Change

df1

Change
1

.429a

.184

.044

.15471

.184

1.309

Berdasarkan table diatas diketahui bahwa koefisien determinasi yang ditunjukkan dengan
nilai adjusted R Square sebesar 0,044 atau 4,4 %. Hal ini berarti bahwa variasi IPCG dapat
dijelaskan dengan variable umur, disperse, total asset, komisaris dan perusahaan multinasional.
Sedangkan 95,6% dipengaruhi variable lain.
Uji signifikansi parameter individual (Uji T)
Coefficientsa
Model

Unstandardized Coefficients

Standardized

Sig.

Coefficients
B
(Constant)

Beta

-.141

.393

.005

.004

-.096

KOM
LNASET

UMUR
1

Std. Error

DISPERSI

PMN

-.360

.722

.204

1.197

.241

.148

-.122

-.651

.520

.008

.016

.118

.531

.600

.042

.031

.336

1.335

.192

-.081

.067

-.246

-1.206

.238

a. Dependent Variable: IPCG

Variable umur perusahaan diperoleh probabilitas sebesar 0,241. Dengan nilai lebih dari
0,05 maka diambil kesimpulan H1 ditolak.
Variable disperse diperoleh probabilitas sebesar 0,520. Dengan nilai lebih dari 0,05 maka
dapat diambil kesimpulan H2 ditolak.
Variable komisaris diperoleh probabilitas sebesar 0,600 maka dapat diambil kesimpulan
H3 ditolak.
Variable jumlah asset diperoleh probabilitas sebesar 0,192 maka diambil kesimpulan H4
ditolak.
Variable perusahaan multinasional diperoleh probabilitas sebesar 0,238, maka diambil
kesimpulan H5 ditolak.

Uji signifikasi simultan (Uji F)

ANOVAa

Model

Sum of Squares

df

Mean Square

Regression

.157

.031

Residual

.694

29

.024

Total

.851

34

F
1.309

Sig.
.287b

a. Dependent Variable: IPCG

b. Predictors: (Constant), PMN, UMUR, KOM, DISPERSI, LNASET

Dari hasil pengujian dengan nilai F, terlihat bahwa nilai F= 1,309 dengan tingkat
probabilitas signifikansi sebesar 0,287. Karena probabilitas signifikansi lebih besar dari
0,05 maka dapat disimpulkan bahwa secara bersama sama IPCG tidak dapat dijelaskan
dengan variable independen tersebut.