Normality Test Uji Statistik dan Hipotesis

Seminar Nasional dan Call for Papers “Tantangan Pengembangan Ilmu Akuntansi, Inklusi Keuangan, dan Kontribusinya Terhadap Pembangunan Ekonomi Berkelanjutan” 572 Uji kolmogorof -Smirnov KS digunakan untuk menguji statistic apakah data berdistribusi normal sesuai asumsi kolmogorof Smirnov. Uji Kolmogorof S mirnov jika sigifikansi ≥ 0.05, maka data berdistribusi normal. Berdasarkan tabel 4.2 dibawah ini, dapat disimpulkan bahwa data yang digunakan dalam penelitian ini berdistribusi normal.

4.2.2. Heterokedasticity Test

Bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual pengamatan yang lain. Model regresi yang baik adalah regresi yang tidak mengandung heterokedastisitas. Cara untuk mendeteksi adanya heterokedastisitas adalah dengan melihat grafik plot antara nilai prediksi variable terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada atau tidaknya heterokedastisitas dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot. Jika tidak ada pola yang jelas dan titik – titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi heterokedastisitas Ghozali, 2016. Berdasarkan pengamatan peneliti melalui gambar dibawah ini maka peneliti menyimpulkan gambar dibawah ini memenuhi asumsi uji heterokedastisitas, sehingga tidak terjadi heterokedastisitas data. Gambar 1 Scatterplot

4.2.3. Multicollinearity Test

Uji multikolinearitas bertujuan untuk menguji apakan model regresi ditemukan adanya kolerasi antar variable independen. Multikolinearitas dapat dilihat dari jika nilai tolerance ≤ 0,10 atau sama dengan nilai VIF variance inflation factor ≥ 10. Ghozali, β016. Berdasarkan tabel 3 dibawah ini dapat disimpulkan bahwa tidak terjadi multikolinearitas dalam model penelitian ini karena nilai hasil perhitungan nilai tolerance juga menunjukkan tidak ada Tabel 4.2. Kolmogorov Smirnov- Test Unstandardized Residual N 100 Normal Parameters a,b Mean ,0000000 Std. Deviation ,68590819 Most Extreme Differences Absolute ,127 Positive ,127 Negative -,080 Test Statistic ,127 Asymp. Sig. 2-tailed ,061 c Sumber: SPSS 23. 2016 “Tantangan Pengembangan Ilmu Akuntansi, Inklusi Keuangan, dan Kontribusinya Terhadap Pembangunan Ekonomi Berkelanjutan” 573 variable independen yang memiliki nilai kurang dari 0,10 yang berarti tidak ada kolerasi antar variable independen. Hasil perhitungan VIF juga lebih dari 10. Jadi disimpulkan tidak ada multikolinearitas antar variable pada model regresi ini. Tabel 4.3 Collinearity Statistics Sumber: Output SPSS 23. 2016

4.2.4. Autocolleration Test

Uji autokolerasi untuk menguji apakah dalam model regresi ada kolerasi antara kesalahan pengganggu pada periode t terhadap periode t1 sebelumnya. Salah satu cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokolerasi maka dapat digunakan dengan uji durbin Watson DW Test. Uji Durbin Watson hanya digunakan untuk autokolerasi tingkat satu dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variable lag diantara variable independen. Ghozali, 2016. H0 : tidak ada autokolerasi dan HA: ada auto kolerasi, dengan syarat dl ≤ d ≤ du. Tabel 4.4 Durbin –Watson Test Model Durbin-Watson 1 2,450 Sumber: Output SPSS 23. 2016 Berdasarkan tabel 4.4 di atas, kita dapat melihat hasil tes durbin Watson sebesar 2,450 yang mana dibandingkan dengan nilai tabel signifikansi 5, dan total sampel 100 n an total variabel bebas adalah 5 k=5 sehingga hasil durbin Watson tabel adalah 1,647. Karena hasil DW-Test 2,450 lebih besar dari 1,647 dan kurang dari 5 – 1,647 5-du, jadi dapat diambil kesimpulan bahwa H0 diterima atau disimpulkan tidak terdapat autokolerasi pada model regresi ini. 4.2.5 Coefficient Determinant - Test Pada intinya koefisien determinant mengukur seberapa jauh kemampuan model dalam menerangkan variasi variable dependen. Banyak peneliti yang menganjurkan untuk menggunakan Adjusted R square untuk mengevaluasi model, hal ini karena nilai adjusted R Square dapat naik dan turun jika satu variable independen ditambahkan kedalam model Ghozali , 2016. Berdasarkan tabel 5 dibawah ini bahwa adjusted R square adalah 0,294 atau 29,40. Hal ini berarti kepemilikan institusional, komite audit, komisioner independen, human capital efficiency dan capital employed efficiency dapan menjelaskan kinerja keuangan perusahaan sebesar 29, 40 dan 70,60 dijelaskan oleh faktor lain diluar model regresi pada penelitian ini. Table 4.5 Coeffision Determinant Sumber : Output SPSS 23. 2016

4.2.6. F- Test Simultaneous test

Uji ini pada dasarnya menunjukkan apakah semua variable independen yang dimasukkan dalam model mempunyai pengaruh secara Model Collinearity Statistics Tolerance VIF 1 Constant INST ,960 1,041 AUD ,921 1,085 COMIN ,934 1,071 HCE ,973 1,028 CEE ,969 1,032 Model R R Square Adjusted R Square 1 ,574 a ,330 ,294