Uji Asumsi Klasik Analisis Faktor-Faktor yang Mempengaruhi Income Smoothing Dengan Ukuran Perusahaan sebagai Variabel Moderating (Studi Empiris pada Perusahaan Perkebunan yang Terdaftar di Bursa Efek Indonesia (BEI) dan Bursa Malaysia)

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