Uji Normalitas Uji Multikolinearitas

“Tantangan Pengembangan Ilmu Akuntansi, Inklusi Keuangan, dan Kontribusinya Terhadap Pembangunan Ekonomi Berkelanjutan” 221 Hasil uji normalitas dengan menggunakan uji Kolmogorov-Smirnov digambarkan dalam gambar 4.1 dan gambar 4.2 berikut ini: Gambar 4.1 Uji Normalitas P-Plot Gambar 4.2 Grafik Histogram Dari grafik histogram di atas model regresi cenderung membentuk kurva normal yang cembung dengan angka standar deviasi mendekati satu yaitu sebesar 0,977 dan pada normal probability plot mengikuti garis diagonal. Dari hasil ini dapat disimpulkan bahwa model regresi berdistribusi normal.

4.1.2. Uji Multikolinearitas

1.0 0.8 0.6 0.4 0.2 0.0 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Exp ected C um Prob Dependent Variable: TOBINQ Normal P-P Plot of Regression Standardized Residual 3 2 1 -1 -2 Regression Standardized Residual 30 25 20 15 10 5 Frequency Mean = 6.08E-15 Std. Dev. = 0.977 N = 90 Dependent Variable: TOBINQ Histogram PROSIDING Seminar Nasional dan Call for Papers “Tantangan Pengembangan Ilmu Akuntansi, Inklusi Keuangan, dan Kontribusinya Terhadap Pembangunan Ekonomi Berkelanjutan” 222 Tabel 4.2 Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 Constant IFR DA LEV LogTA .906 .984 .978 .911 1.104 1.016 1.022 1.098 Dari Tabel 4.2 di atas ini dapat dilihat bahwa setiap variabel dalam penelitian ini memiliki nilai VIF lebih kecil dari 10 sehingga hal ini diindikasikan model tersebut tidak memiliki gejala multikolinearitas.

4.1.3. Uji Heteroskedasitas

Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y 1 adalah Y yang diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di standardized . Hasil deteksi dengan melihat scatterplot disajikan dalam gambar 4.3 di bawah ini: Gambar 4.3 Uji Heteroskedastisitas Berdasarkan Gambar 4.3 terlihat titik-titik menyebar secara acak baik di atas maupun dibawah angka 0 pada sumbu Y, dan juga terlihat titik-titik tersebut membentuk suatu pola tertentu. Dengan demikian dapat disimpulkan bahwa penelitian ini terbebas dari masalah heteroskedastisitas. Pengujian-pengujian di atas telah membuktikan kalau data yang akan digunakan telah memenuhi syarat normalitas, bebas multikolinearitas, dan tidak adanya heteroskedastisitas. Dengan 4 2 -2 -4 Regression Standardized Predicted Value 3 2 1 -1 -2 R egression S tud enti zed R esidual Dependent Variable: TOBINQ Scatterplot “Tantangan Pengembangan Ilmu Akuntansi, Inklusi Keuangan, dan Kontribusinya Terhadap Pembangunan Ekonomi Berkelanjutan” 223 tiga pengujian pendahuluan ini, maka pengujian atas persamaan multiple regression dapat dilakukan dengan hasil yang akurat.

4.2. Analisis Regresi dan Hasil

Pengujian 4.2.1. Analisis Regresi Tabel 4.3 Hasil Analisis Regresi Model regresi ini untuk menguji pengaruh dari internet financial reporting , earnings management , leverage , dan ukuran perusahaan terhadap nilai perusahaan, dimana secara sistematis persamaan diatas dirumuskan sebagai berikut: Y = - 259822 + 302945 IFR + 2481,923 DAt + 78614,795 LEV – 6876,451 LogTA + e it Artinya: a. 0 = - 259822; artinya jika variabel internet financial reporting , earnings management , leverage, dan ukuran perusahaan bernilai 0 maka nilai perusahaan bernilai - 259822. b. 1 = 302945; artinya jika internet financial reporting meningkat sebesar 1 dan variabel lainnya konstan, maka nilai perusahaan akan naik sebesar 302945 . c. β = 2481,923; artinya jika earnings management meningkat sebesar 1 dan variabel lainnya konstan, maka nilai perusahaan akan naik sebesar 2481,923 . d. γ = 78614,795; artinya jika leverage meningkat sebesar 1 dan variabel lainnya konstan, maka nilai perusahaan akan naik sebesar 78614,795 . e. 4 = - 6876,451; artinya jika ukuran perusahaan meningkat sebesar 1 dan variabel lainnya konstan, maka nilai perusahaan akan turun sebesar 6876,451 .

4.2.2. Uji F

Tabel 4.4 Hasil Uji F Berdasarkan hasil pada uji F diketahui nilai F hitung sebesar 8,537 dengan nilai signifikansi sebesar 0,000. Nilai signifikansi dari F hitung didapati lebih kecil dari 0,05 maka dapat disimpulkan bahwa internet financial Coeffici ents a -259822 71868.832 -3.615 .001 302945.0 66860.050 .436 4.531 .000 .906 1.104 2481.923 3943.165 .058 .629 .531 .984 1.016 78614.795 57745.934 .126 1.361 .177 .978 1.022 -6876.451 1611.112 -.410 -4.268 .000 .911 1.098 Constant IFR DA LEV LogTA Model 1 B Std. Error Unstandardized Coef f icients Beta Standardized Coef f icients t Sig. Tolerance VIF Collinearity Statistics Dependent Variable: TOBINQ a. ANOVA b 2E+010 4 4319920468 8.537 .000 a 4E+010 85 506035876.3 6E+010 89 Regression Residual Total Model 1 Sum of Squares df Mean Square F Sig. Predictors: Const ant, LogTA, LEV, DA, IFR a. Dependent Variable: TOBINQ b.