46 mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji
Durbin Watson. Menurut Sunyoto 2009, untuk melihat ada tidaknya autokorelasi dilihat dari:
1 angka D-W dibawah –2 berarti ada autokorelasi positif, 2 angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi,
3 angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.5 HASIL UJI AUTOKORELASI
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .151
a
.023 -.011
.10783 1.885
a. Predictors: Constant, LN_LEVERAGE, LN_SIZE, LN_LIKUIDITAS b. Dependent Variable: LN_MANDATORY
Sumber : Output SPSS, diolah oleh peneliti, 2013
Tabel 4.5 menunjukkan hasil uji autokorelasi variabel penelitian. Berdasarkan hasil pengujiannya dapat dilihat bahwa terjadi autokorelasi
antar kesalahan pengganggu antar periode. Hal tersebut dilihat dari nilai Durbin-Watson D-W sebesar 1,885. Angka D-W di antara -2 sampai +2
yang mengartikan bahwa angka DW lebih besar dari -2 dan lebih kecil dari 2. Dengan demikian, dapat dikemukakan bahwa tidak ada autokorelasi
positif maupun negatif.
4.3 Analisis Regresi
Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah
Universitas Sumatera Utara
47 memenuhi model estimasi yang Best Linear Unbiased Estimstor BLUE dan
layak untuk dilakukan analisis statistik selanjutnya, yaitu melakukan pengujian hipotesis. Adapun hasil pengolahan data dengan analisis regresi sebagai berikut :
Tabel 4.6 ANALISIS REGRESI
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
1.043 1.106
.943 .348
LN_SIZE -.381
.322 -.128
-1.185 .239
LN_LIKUIDITAS -.013
.024 -.077
-.518 .606
LN_LEVERAGE -.029
.035 -.122
-.817 .416
a. Dependent Variable: LN_MANDATORY
Sumber : Output SPSS, diolah Peneliti, 2013 Berdasarkan tabel 4.6 pada kolom Unstandardized Coefficients bagian B
diperoleh model persamaan regresi linier berganda yaitu:
Y= 1,043 - 0,381 X1 - 0,013 X2 – 0,029 X3 + e
Dimana: Y = Mandatory Disclosure
a = Konstanta b1,b2,b3 = Parameter koefisien regresi
X1 = Ukuran Perusahaan X2 = Likuiditas
X3 = Leverage e = Pengganggu
Universitas Sumatera Utara
48 Penjelasan dari nilai a, b1, b2 dan b3 pada Unstandardized Coefficients tersebut
dapat dijelaskan dibawah ini. • Nilai B Constant a = 1,043=konstanta
Nilai konstanta ini menunjukkan bahwa apabila tidak ada nilai variabel bebas yaitu ukuran perusahaan, likuiditas, dan leverage maka nilai mandatory
disclosure yang dilihat dari nilai Y tetap sebesar 1,043. • Nilai b1 = -0,381 = ukuran perusahaan
Koefisisen regresi ini menunjukkan bahwa setiap kenaikan ukuran perusahaan sebesar 1 satuan, maka perubahan mandatory disclosure yang dilihat dari nilai
Y akan berkurang sebesar -0,381 dengan asumsi variabel lain dianggap tetap. • Nilai b2 = -0,013 = likuiditas
Koefisisen regresi ini menunjukkan bahwa setiap kenaikan likuiditas sebesar 1 satuan, maka perubahan mandatory disclosure yang dilihat dari nilai Y akan
berkurang sebesar -0,013 dengan asumsi variabel lain dianggap tetap. • Nilai b3 = -0,029 = leverage
Koefisisen regresi ini menunjukkan bahwa setiap kenaikan leverage sebesar 1 satuan, maka perubahan mandatory disclosure yang dilihat dari nilai Y akan
berkurang sebesar -0,029 dengan asumsi variabel lain dianggap tetap.
4.4. Pengujian Hipotesis
