Jadi dapat disimpulkan bahwa nilai Durbin-Watson sebesar 2,016 terletak pada dU DW 4-dU 1,3908 2,016 2,6092 maka dapat
disimpulkan bahwa H diterima atau tidak terjadinya autokorelasi.
4.3.4 Uji Heteroskedastisitas
Heteroskedastisitas adalah keadaan dimana terjadinya ketidaksamaan varian dari residual pada model regresi. Model regresi yang baik mensyaratkan
tidak adanya masalah heteroskedastisitas. Untuk mendeteksi ada tidaknya heteroskedastisitas menggunakan metode uji spearman’s rho dan metode uji
scatterplots.
4.3.4.1 Metode uji Spearman’s rho
Yaitu dengan mengkorelasikan nilai residual hasil regresi dengan masing-masing variabel independen. Metode pengambilan keputusan
pada uji Heteroskedastisitas dengan Spearman’s rho yaitu jika nilai signifikan antara variabel independen dengan residual lebih dari 0,05
makan tidak terjadi masalah Heteroskedastisitas, tetapi jika signifikansi kurang dari 0,05 maka terjadi masalah Heteroskedastisitas.
Dari tabel 4.2.4a hasil uji Heteroskedastisitas dapat diketahui bahwa nilai signifikansi variabel Manajemen Laba X
1
sebesar 0.094, Leverage X
2
sebesar 0,001 dan variabel Size X
3
sebesar 0,238. Karena terdapat 2 variabel yang mmepunyai nilai signifikansi lebih dari 0,05 dan
Universitas Sumatera Utara
satu variabel nilainya tidak signifikan kurang dari 0,05 maka dapat disimpulkan bahwa dalam model regresi terjadi masalah
Heteroskedastisitas.
4.3.4.2 Metode uji Scatterplots
Metode pengambilan keputusan pada uji Heteroskedastisitas dengan melihat scatterplots yaitu jika titik-titik menyebar dengan pola
yang tidak jelas diatas dan dibawah angka 0 pada sumbu Y maka dapat disimpulkan bahwa tidak terjadi masalah Heteroskedastisitas pada model
regresi. Dari gambar 4.2.4b dapat disimpulkan bahwa titik-titik tidak
menyebar melainkan menumpuk tidak jelas diatas dan dibawah angka 0 pada sumbu Y maka dapat disimpulkan bahwa pada model regresi terjadi
masalah Heteroskedastisitas.
4.3.5 Analisis Regresi Linear
Analisis regresi linier adalah analisis hubungan antara variabel dependen dengan variabel independen.
Pada output pertama yaitu pada tabel 4.2.5a menjelaskan variabel yang dimasukkan dan metode yang digunakan adalah Enter. Pada output kedua pada
tabel 4.2.5b Model Summary menjelaskan tentang nilai R yaitu korelasi berganda, nilai R
2
R Square atau koefisen determinasi yang disesuaikan dan
Universitas Sumatera Utara
Std. Error of the Estimate yaitu ukuran kesalahan prediksi. Pada output ketiga tabel 4.2.5c ANNOVA yaitu menjelaskan pengujian secara bersama-sama uji
F, sedangkan signifikansi mengukur tingkat signifikansi dari uji F, ukurannya jika signifikansi kurang dari 0,05 maka ada pengaruh secara bersama-sama antara
variabel-variabel independen terhadap variabel dependen. Dan pada output keempat tabel 4.2.5d Coefficient menjelaskan tentang uji T yaitu uji secara
parsial, sedangkan signifikansi mengukur tingkat signifikansi dari uji T, ukurannya jika signifikansi kurang dari 0,05 maka ada pengaruh secara parsial
antara variabel independen terhadap variabel dependen.
4.3.5.1 Uji F