4.3 Hasil Uji Hipotesis
Model regresi di dalam penelitian ini telah memenuhi keseluruhan uji asumsi klasik, yaitu uji normalitas, uji multikolinieritas, uji heteroskedastisitas
dan uji autokorelasi sehingga model-model tersebut dapat digunakan dalam analisis regresi berganda. Dengan melakukan analisis regresi berganda, maka
hipotesis yang ada dapat diuji untuk memperoleh hubungan antara vairiabel dependen dengan variabel independen. Uji hipotesis terdiri dari 3 tiga bagian,
yaitu uji koefisien determinasi R
2
, uji signifikansi simultan F, dan uji signifikan parameter individual t.
4.3.1 Hasil Uji Koefisien Determinasi R
2
Uji koefisien determinasi R
2
dilakukan untuk mengamati kemampuan model regresi dalam menjelaskan variasi variabel dependen Ghozali, 2013.
Hasil pengujian koefisien determinasi untuk kedua model dapat dijelaskan sebagai berikut.
a. Model Regresi 1
Uji koefisien determinasi dilakukan pada Model Regresi 1 untuk mengamati seberapa besar model dapat menjelaskan variasi variabel dependen.
Tingkat penjelasan variasi tersebut dapat dilihat melalui Tabel 4.14 berikut.
Tabel 4.14 Hasil Uji Koefisien Determinasi Model Regresi 1
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
0,420
a
0,176 0,152
0,9036484 a. Predictors: Constant, BIG4, CHAIRAFE, LEV, ACMEET, LOSS, FINE,
SIZE, ROA, AFE b. Dependent Variable: JWLK
Sumber: Output program SPSS diolah, 2016
Hasil uji melalui program SPSS pada Tabel 4.14 menunjukkan nilai koefisien korelasi R sebesar 0,420 dan koefisien determinasi R
2
sebesar 0,176. Sementara itu, nilai R
2
setelah disesuaikan memiliki nilai sebesar 0,152. Hasil ini menunjukkan bahwa sebanyak 15,2 variasi variabel JWLK dijelaskan oleh
variasi dari variabel independen. Sedangkan 84,8 sisanya dijelaskan oleh sebab- sebab lain yang tidak dimasukkan dalam model. Nilai SEE yang relatif kecil
menandakan bahwa model regresi cukup tepat untuk digunakan dalam memprediksi variabel dependen.
b. Model Regresi 2
Uji koefisien determinasi dilakukan pada Model Regresi 2 untuk mengamati seberapa besar model dapat menjelaskan variasi variabel dependen.
Tingkat penjelasan variasi tersebut dapat dilihat melalui angka yang disajikan pada Tabel 4.15 berikut.
Tabel 4.15 Hasil Uji Koefisien Determinasi Model Regresi 2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 2
0,277
a
0,077 0,050
0,9579869 a. Predictors: Constant, BIG4, CHAIRAFE, LEV, ACMEET, LOSS, FINE,
SIZE, ROA, AFE b. Dependent Variable: JWLA
Sumber: Output program SPSS diolah, 2016
Seperti yang ditunjukkan pada Tabel 4.15, koefisien korelasi R yang dimiliki oleh Model Regresi 2 adalah sebesar 0,277 dan koefisien determinasi R
2
sebesar 0,077. Kemampuan model dalam memprediksi variasi variabel dependen ditunjukkan oleh nilai
adjusted R square
sebesar 0,050. Hal ini berarti sebanyak 5 variasi variabel JWLA dijelaskan oleh variasi variabel independen yang
terdapat dalam model. Oleh karena itu, 95 lainnya dijelaskan oleh variabel lain yang tidak dimasukkan ke dalam model regresi. Nilai
Standard Error of the Estimate
SEE yang dimiliki oleh Model Regresi 2 juga menunjukkan angka yang relatif kecil sehingga dapat dipastikan bahwa model regresi cukup layak
untuk memprediksi variabel dependen.
4.3.2 Hasil Uji Signifikansi Simultan Uji Statistik F
Hasil uji signifikansi simultan statistik F digunakan untuk membuktikan apakah seluruh variabel independen yang terdapat di dalam model regresi
memiliki pengaruh secara bersama-sama terhadap variabel dependen Ghozali, 2011. Melalui pengujian dengan menggunakan program SPSS, pengaruh ini
dapat dilihat dari tingkat signifikansi yang dihasilkan. Apabila nilai F signifikan pada tingkat signifikansi 5, maka variabel independen dipastikan berpengaruh
bersama-sama terhadap variabel dependen. Hasil pengujian signifikansi simultan Uji F untuk kedua model dapat dijelaskan sebagai berikut.
a. Model Regresi 1
Uji besarnya pengaruh simultan dilakukan untuk melihat seberapa besar pengaruh bersama-sama dari variabel independen terhadap variabel dependen
pada Model Regresi 1. Hasil pengujian tersebut dapat dilihat dari Tabel 4.16 di bawah ini.
Tabel 4.16 Hasil Uji Statistik F Model Regresi 1
ANOVA
a
Model Sum of
Squares df
Mean Square F
Sig. 1
Regression 53,653
9 5,961
7,300 0,000
b
Residual 250,690
307 0,817
Total 304,343
316 a. Dependent Variable: JWLK
b. Predictors: Constant, BIG4, CHAIRAFE, LEV, ACMEET, LOSS, FINE, SIZE, ROA, AFE
Sumber: Output program SPSS diolah, 2016
Pada pengujian statistik F untuk Model Regresi 1 yang ditunjukkan oleh Tabel 4.16, nilai F jatuh pada titik 7,300 dan signifikan pada 0,000. Nilai
signifikansi tersebut jauh lebih kecil daripada 0,05 sehingga variabel independen dalam model regresi secara signifikan memiliki pengaruh secara bersama-sama
terhadap variabel dependen.
b. Model Regresi 2
Kategori