60
3. Koefisien regresi BG sebesar 6,303E-12 menunjukkan bahwa jika proporsi biaya gaji meningkat sebesar 1, maka akrual diskresioner akan
meningkat sebesar 6,303E-12. 4. Koefisien regresi BB sebesar –1,708E-12 menunjukkan bahwa jika biaya
bonua meningkat sebesar 1, maka akrual diskresioner akan menurun sebesar –1,708E-12.
4.2.2 Uji Asumsi Klasik
Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE Best Linear Unbiased Estimator, yakni
dipenuhinya seluruh uji asumsi klasik Sudrajat, 1988 dalam Priyatno, 2012. Pengujian asumsi klasik yang telah dilakukan adalah sebagai berikut:
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal atau tidak. Penelitian ini menggunakan dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yakni
dengan menggunakan grafik dan analisis statistik. Berikut adalah hasil grafik variabel pengganggu atau residual dalam model regresi
berganda yang digunakan.
Universitas Sumatera Utara
61
Grafik Histogram Gambar 4.1
Grafik Histogram Gambar 4.2
Sumber: Data yang diolah Peneliti, 2012
Universitas Sumatera Utara
62
Gambar 4.3
Gambar 4.4
Sumber: Data yang diolah Peneliti, 2012
Universitas Sumatera Utara
63
Grafik histogram dan grafik normal plot di atas menunjukkan bahwa variabel pengganggu atau residualnya berdistribusi normal. Hal ini
dilihat dari gambar histogram yang tidak menceng ke ke kiri maupun ke kanan, dan pada grafik normal plot terlihat bahwa titik-titik menyebar di
sekitar garis diagonal yang menunjukkan bahwa data berdistribusi normal. Kedua grafik menunjukkan bahwa model regresi telah memenuhi asumsi
normalitas. Analisis statistik yang digunakan adalah uji Kolmogorov Smirnov
dengan pedoman sebagai berikut: 1. Jika nilai signifikansi Asymp.Sig 0,05, maka data berdistribusi
normal. 2. Jika nilai signifikansi Asymp.Sig 0,05, maka data tidak
berdistribusi normal. Berikut adalah hasil pengujian menggunakan analisis Kolmogorov Smirnov.
Tabel 4.3 One-Sample Kolmogorov-Smirnov Test Y1: Kinerja Perusahaan
Unstandarized N
12 Normal
Parameters
a,b
Mean ,0000000
Std. Deviation ,04807733
Most Extreme Differences
Absolute ,184
Positive ,184
Negative -,112
Kolmogorov-Smirnov Z ,638
Asymp. Sig. 2-tailed ,811
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data yang diolah Peneliti, 2012
Universitas Sumatera Utara
64
Dari hasil pengolahan data tersebut di atas, besarnya nilai Kolmogorov Smirnov adalah 0,638 dan signifikansinya pada 0,811 yaitu
lebih besar dari 0,05. Dengan demikian, dapat disimpulkan bahwa data berdistribusi normal.
Tabel 4.4 One-Sample Kolmogorov-Smirnov Test Y2: Pencapaian
Perusahaan
Unstandarized N
12 Normal
Parameters
a,b
Mean ,0000000
Std. Deviation ,18520088
Most Extreme Differences
Absolute ,150
Positive ,150
Negative -,100
Kolmogorov-Smirnov Z ,519
Asymp. Sig. 2-tailed ,950
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data yang diolah Peneliti, 2012 Dari hasil pengolahan data tersebut di atas, besarnya nilai
Kolmogorov Smirnov adalah 0,519 dan signifikansinya pada 0,950 yaitu lebih besar dari 0,05. Dengan demikian, dapat disimpulkan bahwa data
berdistribusi normal.
Universitas Sumatera Utara
65
4.2.2.2 Uji Heterokedastisitas
