Hasil Uji Asumsi Klasik

67 perusahaan dengan jumlah tahun penelitian 5 tahun dari tahun 2010- 2014. Tabel 4.3 menunjukkan statistik deskriptif dari masing-masing variabel penelitian. Berdasarkan tabel 4.3 hasil analisis menggunakan statistik deskriptif terhadap variabel proporsi konservatisme akuntansi KONS menunjukkan nilai minimum sebesar -0.19 nilai maksimum sebesar 0.19 dengan nilai rata-rata mean sebesar 0.0038 dan standar deviasinya sebesar 0.06927. Hasil analisis menggunakan statistik deskriptif terhadap variabel proporsi Komite Audit KA menunjukkan nilai minimum sebesar 2.00 nilai maksimum sebesar 3.00 dengan nilai rata-rata mean sebesar 2.9889 dan standar deviasinya sebesar 0.10541. Hasil analisis menggunakan statistic deskriptif terhadap variabel proporsi Komisaris Independen KI menunjukkan nilai minimum sebesar 1.00 nilai maksimum sebesar 4.00 dengan nilai rata-rata mean sebesar 2.0111 dan standar deviasinya sebesar 0.84127. Hasil analisis menggunakan statistik deskriptif terhadap variabel proporsi Kualitas Laba KL menunjukkan nilai minimum sebesar -3.77 nilai maksimum sebesar 4.46 dengan nilai rata-rata mean sebesar -0.0160 dan standar deviasinya sebesar 1.36550.

2. Hasil Uji Asumsi Klasik

Uji asumsi klasik digunakan dengan menggunakan analisis regresi terhadap variabel independen dan variabel dependen. 68

a. Hasil Uji Multikoliniaritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Untuk mendeteksi adanya multikolinieritas, maka dapat dilakukan dengan melihat nilai tolerance dan Variance Inflation Factor VIF serta besaran korelasi antara variabel independen. Berikut ini adalah tabel yang menunjukkan hasil uji multikolinieritas. Tabel 4.4 Hasil Uji Multikolinieritas Berdasarkan tabel 4.4 diatas dapat diketahui bahwa hasil uji menunjukkan nilai tolerance mendekati angka 1 dan nilai VIF disekitar angka satu 1 untuk setiap variable. Hasil perhitungan toleransi menunjukkan bahwa tidak ada variabel independen yang memiliki nilai Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF Constan t 1.153 2.589 .445 .657 KONS 14.84 7 1.343 .753 11.05 7 .000 .945 1.058 KA -.282 .861 -.022 -.328 .744 .992 1.008 KI -.191 .110 -.117 -1.730 .087 .952 1.050 a. Dependent Variable: LN_KL Sumber: Data sekunder yang diolah 69 tolerance kurang dari 0.10 yang berarti tidak ada korelasi antara variable independen yang nilainya lebih dari 95. Hasil VIF juga menunjukkan hal yang sama bahwa tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Berdasarkan hasil uji multikolinieritas tersebut, maka dapat disimpulkan bahwa semua variabel independen dalam model persamaan regresi tidak terdapat problem multikolonieritas dan dapat digunakan dalam penelitian ini.

b. Hasil Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi ditemukan adanya autokorelasi dalam analisis regresi untuk mendeteksi ada atau tidaknya autokorelasi maka dapat dilakukan dengan melihat nilai Durbin Watson. Durbin-Watson hanya dilakukan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variable lag antara variabel independen. Hipotesis yang akan diuji adalah: H0: tidak ada autokorelasi r=0 HA: ada autokorelasi r≠0 70 Pengambilan keputusan ada atau tidaknya autokorelasi: Tabel 4.5 Pengambilan Keputusan Autokorelasi Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0ddl Tidak ada autokorelasi positif No decision dl≤d≤du Tidak ada autokorelasi Negatif Tolak 4-dud4 Tidak ada autokorelasi Negatif No decision 4- du≤d≤4-dl Tidak ada autokorelasi positif atau Negatif Tidak ditolak Dud4-du Sumber: Data Sekunder yang diolah Berikut adalah tabel yang menunjukkan hasil uji autokorelasi. Tabel 4.6 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .789 a .623 .610 .85293 2.109 a. Predictors: Constant, KI, KA, KONS b. Dependent Variable: LN_KL Sumber: Data sekunder yang diolah Berdasrakan tabel 4.6 diatas dapat diketahui bahwa hasil uji autokorelasi pada nilai Durbin-Watson adalah 2.109, nilai ini akan kita bandingkan dengan nilai tabel dan menggunakan nilai signifikansi 5 , jumlah sampel 90 dan jumlah variable 3 k=3 maka di tabel durbin watson akan didapatkan nilai batas atas du 71 1.587 dengan variabel independen 3. Oleh karena nilai durbin Watson DW sebesar 2.109 lebih besar dari batas atas du dan kurang dari 4-1.587 4-du. Maka disimpulkan bahwa kita tidak bias menolak H0 yang menyatakan bahwa tidak ada autokorelasi positif atau negatif, karena nilai dud4-du yaitu 1.587 2.109 2.413 Dapat disimpulkan bahwa tidak terjadi autokorelasi positif atau negative.

c. Hasil Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam penelitian ini dilakukan dengan teknik Uji Glejser. Glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel independen Gujarati,2003 dengan persamaan regresi |Ut|=α+βXt+vt Jika variable independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas. 72 Gambar 4.7 Hasil Uji Heteroskedastisitas Sumber: Data sekunder yang diolah Hasil output tampilan SPSS pada tabel diatas dengan jelas menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen nilai absolute Ut AbsUt. Hal ini dilihat dari probabilitas signifikansinya diatas tingkat kepercayaan 5. Jadi dapat disimpulkan bahwa model regresi tidak mengandung adanya heteroskedastisitas.

d. Hasil Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen atau keduanya mempunyai distribusi yang normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas data, penelitian ini menggunakan analisi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta Constant -.465 1.864 -.249 .804 KONS 1.460 .966 .164 1.510 .135 KA .378 .620 .065 .610 .543 KI -.053 .079 -.072 -.665 .508 a. Dependent Variable: absRES 73 one sample Kolmogorov-Smirnov test. Caranya adalah dengan menentukan terlebih dahulu hipotesis pengujiannya yaitu: Hipotesis Nol H0 : Data terdistribusi secara normal Hipotesis Alternatif: Data tidak terdistribusi secara normal Tabel 4.8 Hajil Uji Normalitas Dari tabel 4.8 diatas dapat disimpulkan bahwa nilai Kolmogorov-Smirnov Z sebesar 0.952 dengan probabilitas signifikansi 0.325 jauh diatas α=0.05 hal ini berarti H0 diterima, data terdistribusi secara normal.

3. Hasil Uji Hipotesis