54 Pada variabel proporsi dewan komisaris PDK menunjukkan nilai minimum
sebesar 0,30 dan nilai maksimum 4,00. Nilai rata-rata proporsi dewan komisaris adalah 1,3821 dan standar deviasi 0,70437. Hal ini menunjukkan bahwa nilai minimal proporsi
dewan komisaris sebesar 0,3 dan nilai maksimal sebesar 4,0. Rata-rata nilai proporsi dewan komisaris sebesar 138,21. Ukuran dewan komisaris UDK nilai minimumnya
sebesar 2,00 dan nilai maksimum sebesar 9,00. Nilai rata-rata ukuran dewan komisaris sebesar 5,6304 dan standar deviasi sebesar 1,87943. Sedangkan jumlah komite audit
KA nilai minimumnya sebesar 0,50 dan nilai maksimumnya sebesar 3,00 dengan nilai rata-rata sebesar 1,7770 dan standar deviasi sebesar 0,78242.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng.
Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni
Universitas Sumatera Utara
55 distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Dengan adanya tes
normalitas maka hasil penelitian kita bisa digeneralisasikan pada populasi. Dalam pandangan statistik itu sifat dan karakteristik populasi adalah terdistribusi secara normal.
Dengan menggunakan alat bantu SPSS 17 uji normalitas dapat dilakukan dengan menggunakan uji one sample kolmogrov-smirnov test dengan kriteria pengujian sebagai
berikut : 3.
Asymp. Sig 0,05, maka data berdistribusi normal 4.
Asymp. Sig 0,05, maka data tidak berdistribusi normal Berdasarkan hasil pengujian normalitas dalam penelitian ini dapat terlihat pada
tabel di bawah ini :
Tabel 4.3 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 92
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.45199402
Most Extreme Differences Absolute
.121 Positive
.121 Negative
-.063 Kolmogorov-Smirnov Z
1.163 Asymp. Sig. 2-tailed
.134 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data sekunder diolah melalui SPSS 17
Hasil uji Kolmogorov-Smirnov pada tabel 4.3 menunjukkan nilai Kolmogrov- Smirnov sebesar 1.163 dengan nilai probabilitas signifikan
Asymp. Sig 0.134. karena nilai p atau
Asymp. Sig 0.05 maka dapat disimpulkan bahwa data residual
Universitas Sumatera Utara
56 terdistribusi secara normal. Dengan kata lain, model regresi penelitian ini terdistribusi
normal.
4.3.2 Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada
periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan
pengganggu tidak bebas dari satu observasi ke observasi lainnya. Autokorelasi dapat diketahui melalui uji Durbin-Watson DW test. Berikut hasil pengujian autokorelasi
yang disajikan di bawah ini :
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .557
a
.310 .278
1.48500 1.228
a. Predictors: Constant, KA, PDK, KM, UDK b. Dependent Variable: ML
Sumber: Data sekunder diolah melalui SPSS 17
Berdasarkan hasil output pada tabel 4.4 didapat nilai DW sebesar 1,228, nilai ini akan dibandingkan dengan nilai tabel yang menggunakan nilai signifikansi sebesar 5
atau 0,05. Untuk jumlah data n = 92, maka nilai dL sebesar 1,5713 dan dU sebesar 1,7523. Karena nilai DW 1,228 1,7523 2,2477 maka dapat disimpulkan bahwa tidak
terdapat autokorelasi pada penelitian ini.
Universitas Sumatera Utara
57
4.3.3 Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas, yaitu adanya hubungan linear antar
variabel independen dalam model regresi. Uji multikolinearitas diuji dengan melihat nilai tolerance serta nilai variance inflation factor VIF. Dikatakan tidak terdapat
multikolinearitas dalam model regresi jika tolerance 0,1 atau VIF 10. Hasil analisis dapat dilihat pada tabel di bawah ini :
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
3.950 1.038
3.807 .000
KM -.115
.085 -.135
-1.361 .177
.811 1.233
PDK .498
.251 .201
1.990 .050
.778 1.285
UDK -.389
.098 -.418
-3.954 .000
.711 1.407
KA -.206
.228 -.092
-.900 .371
.758 1.319
a. Dependent Variable: ML
Sumber: Data sekunder diolah melalui SPSS 17
Berdasarkan hasil uji pada tabel 4.5 terlihat bahwa menunjukkan semua nilai VIF dari semua variabel independen dalam penelitian ini mempunyai nilai VIF 10. Maka
dapat dikatakan berarti data terbebas dari multikolinearitas.
Universitas Sumatera Utara
58
4.3.4 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu ke pengamatan yang lain. Jika variance
dan residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Uji heteroskedastisitas dilakukan dengan
melihat grafik scatter plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Dibawah ini merupakan hasil dari pengujian heteroskedastisitas
pada gambar 4.1.
Gambar 4.1 Hasil Uji Heteroskedastisitas
Sumber: Data sekunder diolah melalui SPSS 17
Universitas Sumatera Utara
59 Berdasarkan hasil dari scatter plot pada gambar 4.1 terlihat bahwa plot yang
terbentuk tidak memiliki pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol 0 pada sumbu Y, maka dapat dikatakan tidak terjadi heteroskedastisitas.
4.4 Pengujian Hipotesis 4.4.1 Koefisien Determinasi R