65 4.
Variabel nilai rata-rata income smoothing pada perusahaan perkebunan yang terdaftar di BEI dan Bursa Malaysia sebesar -0.1505 atau 15.05 dengan
nilai standar deviasi sebesar 0.805011. 5.
Variabel nilai rata-rata ukuran perusahaan pada perusahaan perkebunan yang terdaftar di BEI dan Bursa Malaysia sebesar 23.4486 atau 234.486
dengan standar deviasi sebesar 4.45846.
4.3. Uji Asumsi Klasik
4.3.1. Uji Normalitas
Uji normalitas dilakukan pada tiap-tiap variabel penelitian untuk mengetahui variabel mana yang memenuhi dan tidak memenuhi asumsi
normalitas variabel tersebut terdistribusi secara normal. Uji normalitas dilakukan dengan menggunakan grafik histogram, Normal Probability Plot
dan uji Kolmogorov-Smirnov. Pada uji Kolmogorov-Smirnov, apabila nilai signifikansi lebih besar dari 0.05, maka data residual berdistribusi normal.
Sebaliknya, jika nilai signifikansi lebih kecil dari 0.05, maka data residual tidak berdistribusi normal.
66
Tabel 4.2 Uji
Kolmogorov-Smirnov Sebelum
Moderating
One-Sample Kolmogorov-Smirnov Test
res1 N
52 Normal Parameters
a,b
Mean .0000000
Std. Deviation .72139334
Most Extreme Differences
Absolute .084
Positive .084
Negative -.084
Kolmogorov-Smirnov Z .607
Asymp. Sig. 2-tailed .855
a. Test distribution is Normal. b. Calculated from data.
Hasil dari pengolahan data penelitian sebelum moderating dengan
menggunakan uji Kolmogorov-Smirnov yang tersaji dengan tabel 4.2 diperoleh signifikansi variabelincome smoothing lebih besar dari 0.05 yaitu
0.855 yang menunjukan bahwa data penelitian terdistribusi secara normal.
Tabel 4.3 Uji
Kolmogorov-Smirnov Setelah
Moderating
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
52 Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,71812051
Most Extreme Differences Absolute
,105 Positive
,079 Negative
-,105 Kolmogorov-Smirnov Z
,754 Asymp. Sig. 2-tailed
,620 a. Test distribution is Normal.
b. Calculated from data.
Hasil dari pengolahan data penelitian setelah moderating dengan menggunakan uji Kolmogorov-Smirnov yang tersaji dengan tabel 4.3
diperoleh signifikansi variabelincome smoothing lebih besar dari 0.05 yaitu 0.620 yang menunjukan bahwa data penelitian terdistribusi secara normal.
67
Gambar 4.1 Histogram
Sebelum Moderating
Gambar 4.2 Histogram
Setelah Moderating
68
Gambar 4.3 Normal Plot
Sebelum Moderating
Gambar 4.4 Normal Plot
Setelah Moderating
69 Dengan melihat tampilan grafik histogram yang tersaji pada gambar
4.1 sebelum moderating maupun grafik normal plot yang tersaji pada gambar 4.3 setelah moderating dapat disimpulkan bahwa grafik histogram
memberikan pola distribusi yang normal. Sedangkan pada grafik normal plot terlihat titik- titik menyebar di sekitar diagonal, serta penyebarannya
mendekati garis diagonal. Kedua grafik ini menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas.
Grafik histogram yang tersaji pada gambar 4.2 sebelum moderating maupun grafik normal plot yang tersaji pada gambar 4.4 setelah
moderating dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang normal. Sedangkan pada grafik normal plot terlihat titik- titik
menyebar di sekitar diagonal, serta penyebarannya mendekati garis diagonal. Kedua grafik ini menunjukkan bahwa model regresi tidak
menyalahi asumsi normalitas.
4.3.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam suatu model regresi terdapat korelasi antar variabel independen. Pengujian
multikolinearitas dilakukan dengan melihat VIF antar variabel independen. Jika VIF menunjukkan angka 10 dan nilai tolerance 0,1, hal ini berarti
terdapat gejala multikolinearitas.
70
Tabel 4.4 Uji Multikolinearitas
Sebelum Moderating
Dari uji multikolinearitas sebelum moderatingyang tersaji dalam
tabel 4.4, dapat dilihat tidak terjadi gejala multikolinearitas antar variabel penelitian, hal ini ditunjukkan dalam angka VIF Variance Inflation Factor
dari return on equity, debt to total assets, dan net profit margin yang 10 dan nilai tolerance 0.10.
Tabel 4.5 Uji Multikolinearitas
Setelah Moderating
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-2,025 3,696
-,548 ,586 Return on equity
-2,702 1,367
-,270 -1,977 ,054 ,817
1,225 Debt to total assets -1,386
,547 -,364 -2,536 ,015
,738 1,354
Net profit margin ,159
,112 ,196
1,423 ,161 ,799
1,252 Ukuran
Perusahaan ,084
,129 ,087
,655 ,515 ,856
1,169 a. Dependent Variable: Income smoothing
Dari uji multikolinearitas setelah moderatingyang tersaji dalam tabel
4.5 dapat dilihat tidak terjadi gejala multikolinearitas antar variabel penelitian, hal ini ditunjukkan dalam angka VIF Variance Inflation Factor
dari return onequity, debt to total assets, net profit margin, dan ukuran perusahaan yang 10 dan nilai tolerance 0.10.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .393
.211 1.858 .069
Return on equity -2.610
1.351 -.260 -1.931 .059
.825 1.212
Debt to total assets -1.292
.524 -.339 -2.465 .017
.793 1.261
Net profit margin .149
.110 .184
1.355 .182 .814
1.229 a. Dependent Variable: Income Smoothing
71
4.3.3. Uji Heteroskedastisitas
Tujuan dilakukannya uji heteroskedastisitas adalah untuk menguji apakah dalam suatu model regresi terdapat ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Penelitian ini menggunakan uji Scatterplot untuk menguji heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas
Sebelum Moderating
Dari grafik scatterplot sebelum moderatingyang tersaji pada gambar 4.5 dapat dilihat bahwa bahwa titik-titik menyebar secara acak dan tidak
membentuk pola tertentu serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Jadi, dapat disimpulkan model regresi tidak
mengandung adanya Heteroskedastisitas.
72
Gambar 4.6 Uji Heteroskedastisitas
Setelah Moderating
Dari grafik scatterplot setelah moderatingyang tersaji pada gambar 4.6 dapat dilihat bahwa bahwa titik-titik menyebar secara acak dan tidak
membentuk pola tertentu serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Jadi, dapat disimpulkan model regresi tidak
mengandung adanya Heteroskedastisitas.
4.3.4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan
pengganggu periode sebelumnya dalam model regresi. Pada penelitian ini, uji autokorelasi dilakukan dengan menggunakan uji Run test.
73
Tabel 4.6 Uji Autokorelasi
Sebelum Moderating
Runs Test
Unstandardized Residual Test Value
a
,06000 Cases Test Value
26 Cases = Test Value
26 Total Cases
52 Number of Runs
32 Z
1,401 Asymp. Sig. 2-tailed
,161 a. Median
Dari uji Run test untuk uji autokorelasi sebelum moderatingyang
tersaji pada tabel 4.6 dapat dilihat bahwa signifikansi variabelincome smoothing lebih besar dari 0.05 yaitu 0.161 yang menunjukan bahwa
residual random atau tidak terjadi autokorelasi antar nilai residual.
Tabel 4.7 Uji Autokorelasi
Setelah Moderating
Runs Test
Unstandardized Residual Test Value
a
,02934 Cases Test Value
26 Cases = Test Value
26 Total Cases
52 Number of Runs
32 Z
1,401 Asymp. Sig. 2-tailed
,161 a. Median
Dari uji Run test untuk uji autokorelasi setelah moderatingyang tersaji pada tabel 4.7 dapat dilihat bahwa signifikansi variabelincome
smoothing lebih besar dari 0.05 yaitu 0.161 yang menunjukan bahwa residual random atau tidak terjadi autokorelasi antar nilai residual.
74
4.4. Analisis Regresi Berganda