Analisis statistik yang digunakan adalah uji Kolmogorov Smirnov dengan pedoman sebagai berikut: 1 data dikatakan terdistribusi normal
jika nilai signifikansi atau Sig. atau probabilitas 0.05, dan 2 data dikatakan tidak terdistribusi normal jika nilai signifikansi atau Sig. atau
probabilitas 0.05. Berikut adalah hasil pengujian menggunakan analisis Kolmogorov Smirnov.
Tabel 4.2 Nonparametric-test Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 105
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.11722363
Most Extreme Differences Absolute
.107 Positive
.107 Negative
-.100 Kolmogorov-Smirnov Z
1.097 Asymp. Sig. 2-tailed
.180 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS 17, 2011
Tabel di atas menunjukkan bahwa data dalam model regresi telah terdistribusi secara normal yang dapat dilihat dari nilai signifikansinya
lebih besar dari 0.05, yakni 0.180.
b. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang
Universitas Sumatera Utara
lainnya. Hal ini sering ditemukan pada time series. Cara yang digunakan untuk mendeteksi ada tidaknya autokorelasi dalam penelitian
ini adalah uji Durbin – Watson DW Test. Hasil pengolahan data adalah sebagai berikut:
Tabel 4.3 Hasil Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .266
a
.071 .034
1.13935 2.216
a. Predictors: Constant, Audit, ln_size, Prop, INSTOWN b. Dependent Variable: EM
Sumber: Hasil Pengolahan SPSS 17, 2011
Hasil pengujian di atas menunjukkan bahwa nilai Durbin-Watson adalah 2.216. Nilai ini akan kemudian diuji berdasarkan ketentuan ada
tidaknya gejala autokorelasi, yakni jika nilai Durbin-Watson D-W ada pada batas du atas dan 4-du du D-W 4-du, model regresi tidak
mengalami gejala autokorelasi. Nilai signifikansi yang digunakan adalah 5 dengan jumlah sampel 105 n=105 dan jumlah variabel
independen sebanyak empat k=4, maka dari tabel data statistik Durbin-Watson diperoleh nilai batas bawah dl sebesar 1.679 dan nilai
batas atas du sebesar 1.758. Nilai D-W 2.216 berada di antara du 1.758 dan 4-du 2.242 atau 1.758 2.216 2.242. Dengan demikian
dapat disimpulkan bahwa model regresi tidak mengalami gejala autokorelasi, sehingga pengujian dapat dilanjutkan.
Universitas Sumatera Utara
c. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebasnya. Hal
ini dapat diketahui dengan melihat nilai tolerance dan VIF data yang diolah. Hasil pengujian multikolinearitas dapat dilihat pada tabel 4.5
berikut.
Tabel 4.5 Koefisien
Model Collinearity Statistics
Tolerance VIF
1 Constant
INSTOWN .883
1.133 ln_size
.985 1.015
Prop .890
1.124 Audit
.979 1.022
a. Dependent variable: EM
Sumber: Hasil Pengolahan SPSS 17, 2011
Tabel 4.5 menunjukkan bahwa tidak terjadi gejala multikolinearitas dalam model regresi yang digunakan. Hal ini terlihat dari nilai
tolerancenya yang kurang dari 0.10. Nilai VIF juga menunjukkan hal tersebut, bahwa tidak ada satupun variabel independennya yang
memiliki nilai VIF yang lebih besar dari 10. Tabel berikut akan menguatkan bahwa tidak terdapat gejala multikolinearitas dalam model
regresi ini.
Universitas Sumatera Utara
Tabel 4.6 Koefisien Korelasi
Coefficient Correlations
a
Model Audit
ln_size Prop
INSTOWN 1
Correlations Audit
1.000 -.073
-.058 -.096
ln_size -.073
1.000 .052
.072 Prop
-.058 .052
1.000 -.313
INSTOWN -.096
.072 -.313
1.000 Covariances
Audit .673
-.016 -.036
-.062 ln_size
-.016 .072
.011 .015
Prop -.036
.011 .585
-.190 INSTOWN
-.062 .015
-.190 .627
a. Dependent Variable: EM
Sumber: Hasil Pengolahan SPSS 17, 2011
Tabel 4.6 di atas menguatkan bahwa tidak terdapat korelasi yang cukup tinggi antar variabel independennya, yakni nilai korelasi antar
variable tidak ada yang melebihi 0.5. Hal ini berarti tidak terdapat gejala multikolinearitas dalam model regresi yang digunakan, sehingga
penelitian dapat dilanjutkan.
d. Uji Heteroskedastisitas