sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan
yang lainnya. Hal ini sering ditemukan pada time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan
menggunakan nilai uji Durbin Watson dengan ketentuan sebagai berikut:
4 Angka D-W dibawah -2 berarti ada autokorelasi positif, 5 Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
6 Angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.4
Hasil Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .498
a
.248 .173
2.141996 1.500
a. Predictors: Constant, Komite Audit, Kepemilikan Manajerial, Proporsi Dewan Komisaris b. Dependent Variable: Manajemen Laba
Sumber: Data yang diolah peneliti, 2011.
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1,500. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat
disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.
c. Uji Heterokedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan
dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas, 2 Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan
mengamati penyebaran titik-titik pada gambar.
Gambar 4.3 Scatterplot
Sumber: Data yang diolah peneliti, 2011 Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara
acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
model regresi. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan
data observasi yang lain.
d. Uji Multikolinearitas