Tabel 4.3 Hasil Uji Kolmogorov-Smirnov
Persamaan 2
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
66 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.40965208
Most Extreme Differences Absolute
.075 Positive
.043 Negative
-.075 Kolmogorov-Smirnov Z
.612 Asymp. Sig. 2-tailed
.849 a. Test distribution is Normal.
b. Calculated from data.
Hasil yang sama diperoleh dari Tabel 4.3 menunjukkan besarnya nilai Kolmogorov-Smirnov adalah 0,612 dan nilai Asymp. Sig. 2-tailed
sebesar 0,849 dengan nilai signifikan yang ditetapkan 0,05 yang berarti data residual persamaan 2 berdistribusi normal.
4.3.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Ketentuan suatu model
regresi tidak terdapat gejala multikolinearitas adalah jika nilai Variance Inflation Factor VIF 10 dan Tolerance 0,1. Hasil uji multikolinearitas
dapat dilihat pada tabel berikut:
Universitas Sumatera Utara
Tabel 4.4 Nilai Collinearity Statistics
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Kecakapan_Manajerial .633
1.579 IOS
.638 1.566
Struktur_Modal .906
1.104 Pertumbuhan_penjualan
.866 1.154
Pertumbuhan_Asset .901
1.110 a. Dependent Variable: Earning_Management
Dari tabel tersebut terlihat nilai Tolerance setiap variabel independen berada diatas 0,10 Tol 0,10 dan nilai VIF setiap variabel independen
juga lebih kecil dari 10 VIF 10, maka dapat disimpulkan tidak terdapat multikolinearitas.
Tabel 4.5 Nilai Koefisien Korelasi
Coefficient Correlations
a
Model Pertumbuhan
Asset Kecakapan
Manajerial Struktur
Modal Pertumbuha
Penjualan IOS
1 1
1 1
Correlations Pertumbuhan Asset
1.000 .212
-.155 -.168
-.213 Kecakapan Manajerial
.212 1.000
-.257 -.165
-.537 Struktur Modal
-.155 -.257
1.000 -.052
.234 Pertumbuhan penjualan
-.168 -.165
-.052 1.000
-.136 IOS
-.213 -.537
.234 -.136
1.000 a. Dependent Variable: Earning Management
Universitas Sumatera Utara
Tabel diatas menunjukkan hasil korelasi antar variabel independen. Hasil korelasi antar variabel independen berada dibawah 0,9 maka dapat
disimpulkan tidak terjadi multikolinearitas.
4.3.3 Uji Heterokedastisitas
Uji heterokedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke
pengamatan lain Ghozali, 2013. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Cara untuk
mendeteksi ada atau tidaknya heterokedastisitas yaitu dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan
residualnya SRESID. Deteksi ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang
telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya
yang telah di – studentized. Menurut Ghozali 2013, pengambilan
keputusan adalah dengan melihat pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka mengindikasikan telah terjadi heterokedastisitas dan jika tidak pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0
pada sumbu Y, maka tidak terjadi heterokedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis
apakah terjadi gejala heterokedastisitas atau tidak dengan cara mengamati penyebaran titik-titik grafik.
Universitas Sumatera Utara
Gambar 4.5 Hasil Uji Heterokedastisitas dengan Scatter Plot
Persamaan 1
Gambar 4.6 Hasil Uji Heterokedastisitas dengan Scatter Plot
Persamaan 2
Universitas Sumatera Utara
Berdasarkan gambar 4.5 dan 4.6 terlihat bahwa dari grafik scatterplot titik-titik menyebar secara acak dengan tidak ada pola tertentu
yang tersebar serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Maka dapat disimpulkan bahwa tidak terjadi heterokedastisitas
pada model regresi.
4.4.4 Uji Autokorelasi
