untuk melihat seberapa besar pengaruh komisaris independen, komite audit, dan kepemilikan institusional terhadap manajemen laba dengan model sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e
Keterangan: Y
= Manajemen Laba a
= Konstanta b
1
,b
2
,b
3
= Koefisien Regresi X1
= Komisaris Independen X2
= Komite Audit X3
= Kepemilikan Institusional e
= Tingkat Kesalahan Penggangu
3.7.2 Uji Asumsi Klasik
Agar model regresi tidak bias atau agar model regresi BLUE Best Linear Unbiased Estimator maka perlu dilakukan uji asumsi klasik terlebih dahulu.
Berikut ini penjelasan mengenai uji asumsi klasik yang akan dilakukan :
3.7.2.1 Uji Normalitas
Uji normalitas dimaksudkan untuk mengetahui apakah data berdistribusi normal atau tidak berdistribusi normal. Model regresi yang baik harus mempunyai
distribusi normal atau mendekati normal. Ada dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan analisis statistik Ghozali, 2005.
Analisis grafik dilakukan dengan melihat histrogram atau pola distribusi data. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada
sumbuh diagonal dari grafik atau dengan melihat histrogram dari nilai residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Analisis statistik dilakukan dengan
uji Kolmogorov-Smirnov Test. Pedoman pengambilan keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov
Smirnov dapat dilihat dari: a.
Nilai signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal.
b. Nilai signifikan atau probabilitas 0,05, maka distribusi data adalah
normal.
3.7.2.2 Uji Multikolinerialitas
Uji multikolinieritas bertujuan untuk meneliti apakah dalam model regresi ditemukan adanya korelasi di antara variabel independen. Jika terjadi korelasi,
berarti terjadi masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk melihat ada atau tidaknya
multikolinieritas dalam model regrasi dilihat dari nilai tolerance dan lawannya Variance Inflation Factor VIF. Batasan umum yang dipakai untuk menunjukkan
adanya multikolinieritas adalah nilai tolerance 0,01 atau sama dengan VIF 10 Ghozali, 2005: 91.
3.7.2.3 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada
time series. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan
menggunakan nilai uji Durbin Watson dengan ketentuan sebagai berikut :
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dL
Tidak ada autokorelasi positif Tidak ada keputusan
dL ≤ d ≤ dU
Tidak ada autokorelasi negatif Tolak
4 – dL d 4 Tidak ada autokorelasi negatif
Tidak ada keputusan 4 – dU
≤ d ≤ 4 – dL Tidak ada autokorelasi, baik positif
maupun negatif Terima
dU d 4 – dU
3.7.2.4 Uji Heterokedastisitas