commit to user
BIG4 paling kecil adalah 0, terbesar adalah 1, seangkan rata-ratanya adalah 0,3628. Dengan standar deviasi 0,48296 dapat dinyatakan bahwa
penyebaran data BIG4 berada di antara 0,84576 sampai dengan 0,12016. ACMEET paling sedikit adalah 2, maksimum adalah 16, sedangkan
rata rata frekuensi rapat komite audit perusahaan adalah 5,5664. Dengan standar deviasi 3,17039 dapat dinyatakan bahwa penyebaran data ACMEET
berada di antara 8,73679 sampai dengan 2,39601. Tingkat profit ROE perusahaan terendah sebesar -1,87, tertinggi
4,2 dan rata-ratanya 0,0661. Total asset perusahaan tertinggi sebesar 19,57, terendah 6,33 sedangkan rata-ratanya adalah 13,9435.
C. Uji Asumsi Klasik
1. Uji Normalitas Uji normalitas bertujuan untuk menguji kenormalan distribusi dalam
model regresi pada variabel pengganggu atau variabel residual Ghazali, 2006. Pengujian normalitas data dalam penelitian ini menggunakan uji One
Sample Kolmogrov Smirnov, dengan membandingkan nilai p value dengan tingkat signifikansi 5. Jika p value 5, maka data berdistribusi normal.
Uji normalitas tersebut ditujukkan pada tabel IV.3 berikut: Tabel IV.3
Hasil pengujian normalitas Unstandardized
Residual N
113 Normal Parameters
a
Mean 0,0000000
Std. Deviation 1,95435800
Most Extreme Absolute
0,074
commit to user
2. Uji
Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol Ghozali,2006.
Untuk mengetahui apakah terjadi multikolinearitas dapat dilihat dari nilai tolerance dan VIF Variance Inflation Factor, yang terdapat pada
masing-masing variabel seperti terlihat pada tabel IV.4 berikut: Tabel IV.4
Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1Constant ACINDP
0,876 1,141
ACEXPERT 0,949
1,054 ACSIZE
0,756 1,323
BOARDSIZE 0,790
1,266 BOARDINDP
0,873 1,146
OWNIST 0,862
1,161 BIG4
0,726 1,378
ROE 0,843
1,186 LN_ASSET
0,609 1,641
Sumber: hasil pengolahan data Differences
Positive 0,074
Negative -0,058
Kolmogorov-Smirnov Z 0,791
Asymp. Sig. 2-tailed 0,559
Sumber: hasil pengolahan data
commit to user
Suatu model regresi dinyatakan bebas dari multikolinearitas adalah jika mempunyai nilai tolerance di bawah 1 dan nilai VIF dibawah 10. Dari
tabel di atas diperoleh bahwa semua variabel independen memiliki nilai tolerance berada di bawah 1 dan nilai VIF jauh dibawah angka 10. Dengan
demikian, dalam model regresi terbebas dari multikolinearitas. 3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya, Ghozali, 2006: 99. Model regresi yang baik adalah regresi yang bebas dari autukorelasi.
Untuk mengetahui ada tidaknya autokorelasi dapat dilihat dari nilai uji D- W Durbin-Watson. Tabel IV.5 berikut menunjukkan nilai uji durbin
watson. Tabel IV.5
Hasil Uji Autokorelitas Model
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .787
a
.620 .587
2.03795 2.129
a. Predictors: Constant, LN_ASSET, ACEXPERT, OWNIST, ACINDP, BOARDINDP, ROE, ACSIZE, BOARDSIZE, BIG4
d. Dependent Variable: ACMEET Sumber: hasil pengolahan data
Berdasarkan hasil analisis regresi model di atas, diperoleh nilai hitung Durbin Watson sebesar 2,129; sedangkan besarnya D-W tabel: dl
batas bawah = 1,484; du batas atas = 1,874. Oleh karena nilai D-W
commit to user
1.928 lebih besar dari batas atas du 1,874 dan kurang dari 4 - 1,484 4 - du = 2,516, maka dapat disimpulkan bahwa model regresi tidak terjadi
autokorelasi. 4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2006: 125. Untuk mendeteksi ada atau tidaknya heterokedastisitas dalam model, digunakan uji Glejserseperti
tabel IV.6 Tabel IV.5
Hasill Uji Heteroskedastisitas
Suatu model regresi dinyatakan bebas dari heteroskedastisitas adalah jika koefisien parameter beta 0.05. Dari tabel di atas diperoleh bahwa
semua probabilitas signifikasinya di atas 5. Dengan demikian, dapat disimpulkan model regresi tidak mengadung adanya heteroskedastisitas.
Model Sig.
1 Constant
0,752 ACINDP
0,939 ACEXPERT
0,780 ACSIZE
0,391 BOARDSIZE
0,463 BOARDINDP
0,144 OWNIST
0,446 BIG4
0,064 ROE
0,893 LN_ASSET
0,820 Sumber: hasil pengolahan data
commit to user
D. Pengujian Hipotesis
