standar deviasi sebesar 0,080996. Nilai rata-rata mean lebih besar dari standar deviasi yaitu 0,107787 0,080996. Artinya bahwa laba bersih
yang diperoleh perusahan paling rendah adalah sebesar 0,007, paling tinggi sebesar 0,42, dengan rata-rata sebesar 0,10 dari total aset yang
dimiliki perusahaan.
4. Kepemilikan Institusional
Dari hasil pengujian statistik deskriptif pada tabel 4.1, dapat diketahui bahwa nilai minimum kepemilikan institusional sebesar
0,322200 dan nilai maksimum sebesar 0,962000. Dengan rata-rata mean 0,708875 pada standar deviasi sebesar 0,180221. Nilai rata-rata
mean lebih besar dari standar deviasi yaitu 0,708875 0,180221. Artinya proporsi pemegang saham institusional pada perusahaan yang menjadi
sampel penelitian paling rendah sebesar 32, paling tinggi adalah sebesar 96 dan rata-rata sebesar 70 dari total pemegang saham perusahaan.
5. Business risk
Dari hasil pengujian statistik deskriptif pada tabel 4.1, dapat diketahui bahwa nilai minimum business risk sebesar 0,004280 dan nilai
maksimum sebesar 0,116370. Dengan rata-rata mean 0,039449 pada standar deviasi sebesar 0,024290. Nilai rata-rata mean lebih besar dari
standar deviasi yaitu 0,039449 0,024290. Artinya risiko yang dimiliki pada perusahaan sampel penelitian paling rendah sebesar 0,004, risiko
tertinggi 0,11 dengan rata-rata sebesar 0,03 dari total aset yang dimiliki perusahaan.
6. Pajak
Dari hasil pengujian statistik deskriptif pada tabel 4.1, dapat diketahui bahwa nilai minimum pajak sebesar 0,066820 dan nilai
maksimum sebesar 0,405740. Dengan rata-rata mean 0,242136 pada standar deviasi sebesar 0,053247. Nilai rata-rata mean lebih besar dari
standar deviasi yaitu 0,242136 0,053247. Artinya laba sebelum pajak perusahaan pada perusahaan sampel penelitian paling rendah sebesar
0,06, paling tinggi sebesar 0,40 dengan rata-rata sebesar 0,24 dari laba setelah pajak perusahaan.
B. Uji Asumsi Klasik
Dalam melakukan estimasi persamaan linier dengan menggunakan metode OLS, maka asumsi-asumsi dari OLS harus dipenuhi. Apabila asumsi
tidak terpenuhi, maka tidak akan dapat menghasilkan nilai parameter yang BLUE Best Linier Unbiased Estimator.
1. Uji Multikoleniaritas
Multikolinearitas adalah suatu keadaan dimana satu atau lebih variabel independen terdapat korelasi atau hubungan dengan variabel
independen lainnya atau dengan kata lain satu atau lebih variabel independen merupakan satu fungsi linear dari variabel independen lainnya.
Salah satu cara untuk menganalisis ada atau tidaknya pengaruh
multikolinearitas dalam penelitian ini dengan melihat nilai Variance Inflation Factors VIF. Kriteria pengujiannya yaitu apabila VIF 10
maka tidak terdapat multikolinearitas di antara variabel independent. Berikut hasil uji multikolinearitas sebagai berikut:
Tabel 4.2 Hasil Uji Multikolinearitas
Variabel Centered VIF
Keterangan LOGLIK
1,086204 Tidak Terjadi Multikolinearitas
LOGROA 1,153888
Tidak Terjadi Multikolinearitas LOGINST
1,161255 Tidak Terjadi Multikolinearitas
LOGRISK 1,061330
Tidak Terjadi Multikolinearitas LOGTAX
1,157439 Tidak Terjadi Multikolinearitas
Sumber Data : Lampiran 5 Berdasarkan hasi uji multikolinearitas pada tabel 4.2 terlihat bahwa
menunjukkan semua nilai VIF dari semua variabel independen likuiditas, profitabilitas, kepemilikan institusional, business risk dan pajak dalam
penelitian ini mempunyai nilai VIF 10, maka dapat dikatakan berarti data terbebas dari multikolineritas
2. Heteroskedastisitas
Uji heteroskedastisitas ini dilakukan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu
pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan
ke pengamatan
yang lain
tetap, maka
disebut homoskedastisitas dan jika varian tidak konstan atau berubah-ubah disebut
dengan heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Gujarati,
2007:82. Pengujian dengan melihat probabilitas signifikansi 5. Hasil uji heteoskedastisitas yang diuji menggunakan eviews dapat dilihat di tabel
4.3.
Tabel 4.3 Hasil Uji Heteroskedastisitas
ObsR-squared Prob. Chi-Square5
Tidak Terjadi Heteroskedastisitas
8,868235 0,1144
Sumber Data : Lampiran 5 Berdasarkan uji heteroskedastisitas menggunakan metode Harvey
dengan jenis pembobotan Standar deviasi dan variabel yang dibobot adalah Risk diperoleh nilai
ObsR-squared sebesar 8,868235 dengan probabilitas Chi-Square sebesar 0,1144 yang berarti 0,1144 0,05,
sehingga dapat disimpulan bahwa tidak terjadi hetoskedastiitas. 3.
Autokorelasi Uji autokorelasi digunakan untuk menguji apakah dalam model
regresi linier ada korelasi anatara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi
korelasi maka dinamakan ada masalah autokorelasi. Pengujian autokorelasi dalam peneliian ini menggunakan diagnostics collegram
squared residual. Dengan melihan nilai probabilitas jika nilai probabilitas 5 maka tidak terjadi autokorelasi. Hasil uji autokorelasi disajikan pada
tabel 4.4.