49 maksimum 7784577. Sementara rata-rata dan standar deviasi dari income smoothing adalah
591536,5 dan 169648.
4.2 Uji Asumsi Klasik
4.2.1 Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Kolmogorov-Smirnov. Tingkat signifikansi yang digunakan
� = , 5. Dasar pengambilan keputusan adalah melihat angka probabilitas , dengan ketentuan sebagai berikut.
Jika nilai probabilitas ≥ 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi.
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 64
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 11.91754172
Most Extreme
Differences Absolute
.164 Positive
.164 Negative
-.096 Kolmogorov-Smirnov Z
1.315 Asymp. Sig. 2-tailed
.063 a. Test distribution is Normal.
b. Calculated from data.
Perhatikan bahwa berdasarkan Tabel 4.2, diketahui nilai probabilitas p atau Asymp.
Sig. 2-tailed sebesar 0,063. Karena nilai probabilitas p, yakni 0,063, lebih besar
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas terpenuhi.
4.2.2 Uji Multikolinearitas
Universitas Sumatera Utara
50 Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai
variance inflation factor VIF. Nilai VIF yang lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas Ghozali, 2013.
Tabel 4.3 Uji Asumsi Multikolinearitas
Model Collinearity
Statistics Tolerance VIF
1 Constant
Profitabilitas .894
1.119 Leverage
.853 1.172
Ukuran Perusahaan
.856 1.168
DPR .882
1.134
Perhatikan bahwa berdasarkan Tabel 4.3, nilai VIF dari profitabilitas adalah 1,119, nilai VIF dari variabel dari variabel leverage adalah 1,172, nilai VIF dari ukuran perusahaan
adalah 1,168, dan nilai VIF dari DPR adalah 1,134. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.2.3 Uji Autokorelasi
Menurut Ghozali 2011 uji autokorelasi bertujuan untuk menguji apakah terjadi korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1
sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mengetahui adanya korelasi dalam suatu regresi dapat dilakukan uji Run Test.
Universitas Sumatera Utara
51
Tabel 4.4 Uji Asumsi Autokorelasi dengan Uji Run
Runs Test
Unstandardize d Residual
Test Value
a
-2.57105 Cases Test Value 32
Cases = Test Value 32 Total Cases
64 Number of Runs
40 Z
1.764 Asymp.
Sig. 2-
tailed .078
a. Median Berdasarkan Tabel 4.4, diketahui nilai probabilitas atau Asymp. Sig. adalah 0,078, di
mana lebih besar dari 0,05, maka tidak terjadi gejala autokorelasi. Uji autokorelasi juga dapat diuji dengan menggunakan uji Durbin-Watson Gio, 2015:61-62, Field, 2009:220. Nilai
statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Nilai statistik dari uji Durbin- Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi.
Tabel 4.5 Uji Asumsi Autokorelasi
Model Durbin-
Watson 1
2.801
Berdasarkan Tabel 4.5, nilai dari statistik Durbin-Watson adalah 2,801. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3, maka asumsi non-
autokorelasi terpenuhi. Dengan kata lain, tidak terjadi autokorelasi.
Universitas Sumatera Utara
52
4.2.4 Uji Heteroskedastisitas
Kategori