41
maka data tersebut tidak terdistribusi secara normal. Hasil uji statistik ditunjukkan pada tabel berikut ini.
Tabel 4.2 Hasil Uji Kolmogorov-Smirnov
Unstandardized Residual
N 66
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,07528266
Most Extreme Differences
Absolute ,062
Positive ,062
Negative -,047
Kolmogorov-Smirnov Z ,500
Asymp. Sig. 2-tailed ,964
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 2012
Berdasarkan tabel 4.2 di atas, menunjukkan bahwa nilai signifikansi sebesar 0,964 lebih besar dari 0,05 0,964 0,05.
Dengan demikian, dapat disimpulkan bahwa data tersebut terdistribusi secara normal.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel
bebasnya. Hal ini dapat diketahui dengan melihat nilai toleransi Tolerance Valuedan VIF Variance Inflation Factor data yang
Universitas Sumatera Utara
42
diolah. Hasil pengujian multikolinearitas dapat dilihat pada tabel berikut ini :
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
Constant SZ
,488 2,048
ROA ,517
1,936 LV
,612 1,635
a. Dependent Variable: ML
Sumber : Hasil Pengolahan SPSS 2012 Masing-masing variabel independen yang digunakan
dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,01 yaitu untuk variabel size memiliki nilai tolerance 0,488; variabel
Return on AssetROA memiliki nilai tolerance 0,517; variabel leverage memiliki nilai tolerance 0,612. Jika dilihat dari VIF-nya,
bahwa masing-masing variabel bebas lebih kecil dari 10 yaitu untuk VIF size 2,048; VIF Return on AssetROA 1,936; VIF leverage
1,635. Dengan demikian, dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas dalam variabel independennya.
4.2.2.3 Uji Autokorelasi
Dalam uji autokorelasi ini, kita dapat menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu
Universitas Sumatera Utara
43
pada periode t dengan kesalahan-kesalahan pengganggu pada periode sebelumnya. Hasil uji autokorelasi ditunjukkan pada tabel berikut ini :
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model RSquare Adjusted
R Square Std. Error of
the Estimate Durbin-
Watson
dimension0 199
a
,040 -,007
,077082495 2,239
a. Predictors: Constant, LV, ROA, SZ b. Dependent Variable: ML
Sumber : Hasil Pengolahan SPSS 2012
Tabel 4.3 memperlihatkan nilai statistik D-W sebesar 2,239. Hal ini menunjukkan bahwa -2 Angka DW +2 -2 2,239 +2,
maka dengan demikian terjadi autokorelasi negatif.
4.2.2.4 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 satu pengamatan ke pengamatan yang lain sama, maka dapat disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas. Untuk menguji
Universitas Sumatera Utara
44
adanya heteroskedastisitas, dapat dilakukan dengan mengamati grafik scatterplot yang disajikan sebagai berikut :
Gambar 4.3 Grafik
Scatterplot Sumber : Hasil Pengolahan SPSS 2012
Berdasarkan Gambar 4.3 di atas terlihat bahwa titik-titik menyebar secara acak di atas dan di bawah angka nol pada sumbu y
dan tidak membentuk suatu pola yang jelas. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas
4.2.3 Pengujian Hipotesis Penelitian
Pengolahan data dengan menggunakan regresi linear dilakukan dalam beberapa tahapan untuk mencari pengaruh antara variabel independen
terhadap variabel dependen, melalui pengaruh size, Return on AssetROA
Universitas Sumatera Utara
45
dan leverage, sebagai variabel independen terhadap manajemen laba. Berikut ini adalah hasil regresi yang disajikan dalam tabel berikut ini :
Tabel 4.5 Pengujian Hipotesis Penelitian
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
Constant ,029
,239 ,120
,905 SZ
-,006 ,007
-,137 -,768
,445 ROA
2,024 1,363
,257 1,485
,143 LV
,103 ,315
,052 ,326
,746 a. Dependent Variable: ML
Sumber : Hasil Pengolahan SPSS 2012 Berdasarkan hasil pengolahan data di atas, diperoleh persamaan
regresi sebagai berikut : ML = 0,029 – 0,006 SZ + 2,024 ROA + 0,103 LV
Keterangan : 1. Konstanta sebesar 0,029 menunjukkan bahwa apabila variabel independen
dianggap konstan X1, X2, X3 = 0, maka manajemen laba perusahaan sebesar 0,029.
2. Koefisien regresi size X1 = - 0,006 artinya setiap penambahan size sebesar 1 , jika variabel lainnya dianggap konstan, maka akan
menurunkan manajemen laba perusahaan sebesar 0,006. 3. Koefisien regresi Return on AssetROA X2 = 2,024 artinya setiap
penambahan return on asset ROA sebesar 1 , jika variabel lainnya
Universitas Sumatera Utara
46
dianggap konstan, maka akan menaikkan manajemen laba perusahaan sebesar 2,024.
4. Koefisien regresi leverage X3 = 0,103 artinya setiap penambahan leverage sebesar 1 , jika variabel lainnya dianggap konstan, maka akan
menaikkan manajemen laba perusahaan sebesar 0,103.
4.2.3.1 Koefisien Determinasi R
2
Koefisien determinasi R
2
digunakan untuk mengukur kemampuan model dalam menerangkan variasi variabel independen. Berikut
adalah hasil penghitungan koefisien determinasi hipotesis.
Tabel 4.6 Koefisien Determinasi
Model Summary
b
Model R
Square Adjusted R
Square Std. Error of the
Estimate dimension0
199
a
,040 -,007
,077082495 a.
Predictors: Constant, LV, ROA, SZ
b.
Dependent Variable: ML
Pada koefisien determinasi model regresi diperoleh nilai R square sebesar 0,040. Hal ini berarti bahwa 4 variasi
manajemen laba dapat dijelaskan oleh size, Return on AssetROA dan leverage, sedangkan sisanya dapat dijelaskan
oleh faktor-faktor lain selain variabel independen tersebut.
Universitas Sumatera Utara
47
4.2.3.2 Uji Statistik F Uji secara Simultan
