75
76
No Kriteria Total
Tabel 3.2
Daftar Sampel Penelitian
Tabel 3.3
Operasionalisasi Variabel
Variabel Konsep Variabel Indikator Skala
Mekaniseme Tata Kelola Perusahaan yang baik 1. Persentase saham Rasio
Good (Good Corporate Governance) yang dimiliki oleh
Corporate adalah sebagai suatu sistem yang institusi.
Governance mengatur hubungan peran dewan 2. Persentase saham Rasio
(X1) komisaris, peran direksi, yang dimiliki oleh
pemegang saham, dan pemangku manajemen.
lainnya. 3. Keberadaan Komite Nominal
Agoes (2011:101) Audit dalam
perusahaan.
4. Keberadaan komisaris Nominal
indepeden dalam
perusahaan.
Agoes (2011:101)
81
Metode Analisis yang akan penulis gunakan dalam penelitian ini adalah
sebagai berikut:
3.2.4.1 Analisis Statistik Deskriptif
Analisis deskriptif memberikan gambaran atau deskripsi terhadap variabel
penelitian yang dilihat dari nilai rata- rata (mean), standar deviasi, nilai maksimum
dan nilai minimum (Ghozali, 2015). Standar deviasi, nilai maksimum dan nilai
minimum menggambarkan persebaran data. Data yang memiliki standar deviasi
yang semakin besar menggambarkan daa tersebut semakin menyebar. Standar
deviasi, nilai maksimum, dan nilai minimum menggambarkan persebaran variabel
yang bersifat metrik, sedangkan variabel non-metrik digambarkan dengan distribusi
frekuensi variabel. Di dalam penelitian ini, akan dideskripsikan Pengaruh
Mekanisme Good Corporate Governance, Independensi, dan Leverage Terhadap
Kualitas Laporan Keuangan pada perusahaan manufaktur yang terdaftar di Bursa
Efek Indonesia (BEI) Periode 2015 sampai 2017.
3.2.4.2 Analisis Verifikatif
Analisis verifikatif yaitu metode penelitian yang bertujuan utuk menguji
kebenaran hipotesis yang berarti menguji kebenaran teori yang sudah ada. Metode
analisis verifikatif yang dilakukan dalam penelitian ini adalah dengan
menggunakan analisis jalur (path analysis). Analis utama yang dilakukan adalah
untuk menguji konstru jalur apakah teruji secara empiris atau tidak. Analisis
selanjutnya dilakukan untuk mencari pengaruh langsung dan tidak langsung
seperangkat variabel bebas terhadap variabel terikat. Selain itu analisis jalur
merupakan suatu tipe analisis multivariate untuk mempelajari efek- efek langsung
dan tidak langsung dari sejumlah variabel yang dihipotesiskan sebagai variabel
sebab terhadap variabel lainnya yang disebut variabel akibat. Hubungan kausalitas
antar variabel telah dibentuk dengan model berdasarkan landasan teori.
3.2.4.3 Metode Analisis Jalur (Path Analysis)
Ghozali (2013:249), menyatakan bahwa:
“Analisis jalur merupakan perluasan dari analisis linier berganda, atau
analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan
kausalitas antar variabel (metode kausal) yang telah ditetapkan
sebelumnya berdasarkan teori”.
84
Analisis jalur sendiri tidak menentukan hubungan sebab- akibat dan juga
tidak dapat digunakan sebagai substitusi bagi peniliti untuk melihat hubungan
kausalitas antar variabel. Hubungan kausalitas antar variabel telah dibentuk dengan
model berdasarkan landasan teoritis. Apa yang dilakukan oleh analisis jalur adalah
menentukan pola hubungan antara tiga atau lebih variabel dan tidak dapat
digunakan untuk mengkonfirmasi atau menolak hipotesis kausalitas imajiner.
Variabel dependen yang digunakan dalam penelitian ini yaitu kualitas
laporan keuangan, sedangkan variabel independennya yaitu Mekanisme Good
Corporate Governance, Independensi, dan Leverage.
H1 ΡYX1
Mekanisme Corporate
Governance ( X1)
e
H1 ΡYX1,2,3
Independensi ( X2) Kualitas Laporan Keuangan (
H1 ΡYX2 Y)
Leverage ( X3)
H1 ΡYX3
Gambar 3.1
Analisis Jalur
Keterangan :
ρ YX1 = Koefisien jalur untuk pengaruh langsung X1 terhadap Y
secara parsial
ρ YX2 = Koefisien jalur untuk pengaruh langsung X2 terhadap Y
secara parsial
ρ YX3 = Koefisien jalur untuk pengaruh langsung X3 terhadap Y
secara parsial
ρ YX1,2,3 = Koefisien jalur untuk pengaruh langsung X1, X2 dan X3
terhadap Y secara simultan.
85
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel dependen dan variabel independen keduanya mempunyai distribusi
normal atau tidak. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa
nilai residual mengikuti distribusi nirmal. Kalau asumsi ini dilanggar maka uji
statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali, 2016:154). Uji
normalitas dalam penelitian ini dilakukan dengan uji Kolmogorov-Smirnov (K-
S), grafik histogram dan uji normal P-Plot dengan software SPSS.
Uji normalitas dengan Kolmogorov-Smirnov (K-S) digunakan untuk menguji
normalitas residualdilakukan dengan cara menguji distribusi dari data
residualnya, yaitu dengan menganalisis nilai Kolmogorov-Smirnov (K-S) dan
signifikansinya. Kriteria pengujinnya adalah sebagai berikut:
a. Jika Uji K-S (P-value) menunjukkan tingkat signifikansi > 0,05 maka data
berdistribusi normal.
b. Jika Uji K-S (P-Value) menunjukkan tingkat signifikansi > 0,05 maka dat
atidak berdistribusi normal.
2. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi
linear berganda terdapat korelasi antara residual pada periode t dengan residual
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. Model Regresi yang baik adalah
regresi yang bebas dari autokorelasi (Ghozali, 2016:107). Model regresi yang
baik adalah regresi yang bebas dari autokorelasi. Cara yang dapat dilakukan
untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan melakukan
pengujian Durbin Watson (DW). Pengambilan keputusan ada atau tidaknya
autokorelasi dilihat dalam tabel 3.4:
86
Tabel 3.4
Kriteria Pengambilan Keputusan Uji Durbin Watson
Hipotesis Nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0<d<dl
Tidak ada autokorelasi positif No Decision dl≤d≤du
Tidak ada autokorelasi negative Tolak 4-dl<d<4
Tidak ada autokorelasi negative No Decision 4-du≤d≤4-dl
Tidak ada autokorelasi Tidak Ditolak Du<d<4-du
positif/negative
Sumber: Ghozali (2016:108)
Untuk memeriksa adanya autokorelasi, biasanya digunakan uji Durbin-Watson
sebagai berikut:
a. Angka DW dibawah -2 berarti ada autokorelasi positif.
b. Angka DW diantara -2 sampai +2, berarti tidak ada autokorelasi.
c. Angka DW diatas +2 berarti ada autokorelasi negatif.
3. Uji Multikolinearitas
Uji Multikolinearitas di perlakukan untuk mengetahui ada tidak adanya
variabel independent yang memiliki kemiripan dengan variable independen lain
dalam satu model. Kemiripan antar variabel independen lain dalam suatu model
akan menyebabkan terjadinya korelasi yang sangat kuat antara satu variable
independent dengan variable independent yang lain. Selain itu, deteksi terhadap
multikolinearitas juga bertujuan untuk menghindari kebiasaan dalam proses
pengambilan kesimpulan mengenai pengaruh pada uji parsial masing- masing
variabel independent terhadap variabel dependen.
Deteksi multikolinearitas pada suatu model dapat dilihat dari berbagai hal, antara
lain:
a. Jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10 dan nilai
Tolerance tidak berkurang dari 0,1 maka model dapat di katakan terbebas dari
multikolinearitas VIF = 1/Tolerance, VIF maka semakin rendah Tolerance.
87
b. Jika nilai koefisien antara masing- masing variable independent kurang dari
0,70 maka model dapat dikatakan bebas dari asumsi klasik multikolineasritas.
Jika lebih dari 0,70 maka diasumsikan terjadi korelasi yang sangat kuat antara
variabel independent sehingga terjadi multikolinearitas.
c. Jika nilai koefisien determinan, baik di lihat dari R2 maupun R-Square di atas
0,60 namun tidak ada variable independent yang berpengaruh terhadap
variable dependen, maka di tengarai model terkena multikolinearitas.
4. Uji Heteroskedastisitas
Uji hereroskedastitas bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain.
Jika terjadi kesamaan varians maka persamaan regresi tersebut dikatakan
homokedastitas. Jika tidak terjadi kesamaan varians maka persamaan regresi
tersebut dikatakan heteroskedastitas. Persamaan regresi yang baik adalah
persamaan yang tidak heteroskedastitas atau persamaan homokedastitas.
Kriteria yang menjadi dasar pengambilan keputusan adalah sebagai berikut:
a. Jika ada pola tertentu, seperti titik- titik yang membentuk pola tertentu yang
teratur (bergelombang, melebur kemudian menyempit), maka
mengidentifikasikan telah terjadi heteroskedasitas.
b. Jika tidak ada pola yang jelas, sepetri titik- titik menyebar diatas dan dibawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedasitas.
5. Analisis Korelasi
Analisi korelasi digunakan untuk menganalisi hubungan antara variabel
independen secara individual dengan variabel dependen (Sugiyono, 2015).
Rumus yang digunakan adalah sebagai berikut:
a. Analisis Korelasi Parsial
Berikut ini adalah rumus paling sederhana yang dapat digunakan untuk
menghitung koefisien korelasi (Sugiyono,2015):
88
⅀𝑥𝑦
rxy = √⅀𝑥2 𝑦 2
Keterangan:
rxy = Korelasi antar variabel
x = (x1 – x)
y = (y1 – y)
Adapun kriteria hubungan antar variabel tersebut dijelaskan dalam tabel
3.3 berikut:
Tabel 3.5
Interpretasi Terhadap Koefisien Korelasi
Interval Koefisien Tingkan Hubungan
0,00 – 0,199 Sangat Lemah
0,20 – 0,399 Lemah
0,40 -0,599 Cukup Kuat
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat
(Sugiyono,2015)
(Sugiyono, 2015)
89
Keterangan:
𝑅𝑌𝑋1𝑋2𝑋3 = Korelasi antar variabel X1 dengan X2 secara bersama-sama
dengan variabel Y
ryx1 = Korelasi Product Moment antara X1 dengan Y
ryx2 = Korelasi Product Moment antara X2 dengan Y
ryx3 = Korelasi Product Moment antara X3 dengan Y
rx1x2x3 = Korelasi Product Moment antara X1, X2 dengan X3
KD = R2 x 100%
Keterangan:
KD = Nilai Koefisien Determinasi
r = Nilai Koefisien Korelasi
Nilai koefisien determinasi adalah antara 0 (nol) dan 1 (satu). Nilai R 2 yang
kecil berarti kemampuan variabel- variabel independen dalam menjelaskan
varians variabel dependen amat terbatas. Nilai yang mendekati satu berarti
variabl- variabelindependen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen.
6. Pengujian Hipotesis
a. Secara Parsial
Untuk menguji koefisienjalur dari masing-masing variabel secara parsial
digunakan rumus uji t:
90
𝜌𝑦𝑥𝑖
𝑡1 =
2
(1 − 𝑟𝑦𝑥1𝑥2𝑥3 )𝑥𝐶𝑖𝑖
√
(𝑛 − 𝑘 − 1)
1) Jika t hitung > t tabel atau P < 0,05, maka H0 ditolak, berarti terdapat pengaruh
yang signifikan antara variabel X dengan variabel Y
2) Jika t hitung < t tabel atau P < 0,05, maka H0 gagal ditolak, berarti tidak
terdapat pengaruh yang signifikan antara variabel X dengan variabel Y.
b. Secara Simultan
Untuk menguji koefisien jalur antara variabel secara stimultan digunakan
rumus uji F:
2
(n − k − 1)𝑟𝑦(𝑥1𝑥2𝑥3)
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 2
k(1 − 𝑟𝑦(𝑥1𝑥2𝑥3)
1) Jika Fhitung > Ftabel atau P <0,05, maka H0 ditolak, berarti terdapat pengaruh
yang signifikan antara variabel independen(X) dengan variabel dependen
(Y)
2) Jika Fhitung ≤ Ftabel atau P ≥ 0,05, maka H0 ditolak, berarti terdapat pengaruh
yang signifikan antara variabel independen(X) dengan variabel dependen
(Y).
Daerah Penerimaan Ho
Daerah Penolakan Ho
Daerah Penolakan Ho
-t table 0 -t table
Gambar 3.2
c. Penarikan Kesimpulan