55 yang nilainya lebih besar dari tar
af nyata α 0,05 yang artinya data telah berdistribusi normal.
4.2.2.2 Uji autokorelasi
Istilah autokorelasi dapat didefenisikan sebagai korelasi antara anggota serangkaian observasi yang diturunkan menurut waktu. Uji autokorelasi bertujuan
untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu. Untuk mendeteksi gejala autokorelasi digunakan durbin watson
statistik, dengan nilai d yang menunjukkan gejala autokorelasi yang tidak berbahaya atau tidak ada autokorelasi yang tidak berbahaya atau tidak
autokorelasi. Kriterianya adalah sebagai berikut :
Tabel 4.4 Kriteria pengambilan keputusan DW test
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
tolak 0 d dl
Tidak ada autokorelasi positif tidak ada keputusan
dl d du Tidak ada korelasi negatif
tolak 4 - dl d 4
Tidak ada korelasi negatif tidak ada keputusan
4 - du d 4 – dl
Tidak ada autokorelasi positif tidak ditolak
du d 4 – du
Universitas sumatera Utara
56 Hasil uji autokorelasi durbin watson terlihat seperti pada tabel dibawah ini:
Tabel 4.5 Uji autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .550
a
.302 .200
.052569 1.901
a. Predictors: Constant, Leverage, Kepemilikan_Manajerial, Komite_Audit, Dewan_Direksi, Dewan_Komisaris
b. Dependent Variable: Manajemen_Laba
Berdasarkan tabel 4.5 diatas dapat dilihat bahwa nilai DW adalah 1,901. Kriteria yang menunjukkan tidak terjadi autokorelasi adalah sebagai berikut:
jumlah sampel N 40 dengan jumlah variabel bebas K 5 pada tingkat signifikansi 5 diperoleh du 1,7859 Sehingga disimpulkan bahwa nilai DW
sebesar 1,901 lebih besar dari batas atas du 1,7859 dan kurang dari 4 – 1,7859 4
– du, maka dengan demikian tidak terjadi autokorelasi. 4.2.2.3 Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain
dalam model regresi Ghozali, 2006. Model regresi yang baik adalah jika variance dari residual satu pengamatan ke pengamatan lain berbeda
heteroskedastisitas. Heteroskedastisitas dapat dilihat melalui grafik plot scatterplot antara nilai prediksi variabel terikat dengan residualnya. Apabila pola
pada grafik ditunjukkan dengan titik-titik menyebar secara acak tanpa pola yang
Universitas sumatera Utara
57 jelas serta tersebar di atas maupun dibawah angka 0 pada sumbu Y, maka dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Selain menggunakan grafik scatterplots, uji heteroskedastisitas juga
dapat dilakukan dengan menggunakan Uji Glejser. Jika probabilitas signifikan 0.05, maka model regresi tidak mengandung heteroskedastisitas.
4.2.2.3.1 Grafik Scatterplot
Heteroskedastisitas melalui grafik plot scatterplot antara nilai prediksi variabel terikat dengan residualnya. Apabila pola pada grafik ditunjukkan dengan
titik-titik menyebar secara acak tanpa pola yang jelas serta tersebar di atas maupun dibawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa tidak
terjadi heteroskedastisitas pada model regresi.
Gambar 4.5 Scatterplot Dependen Variabel Sumber : SPSS 17 for windows
Gambar 4.5 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang berpencar dan tidak menunjukkan pola
Universitas sumatera Utara
58 tertentu. Maka dapat disimpulkan bahwa tidak terdapat gejala heteroskedasitas
dalam model regresi ini.
4.2.2.4 Uji multikolinearitas