2 Statistik Deskriptif

Tabel IV.2 Statistik Deskriptif

Std. Deviation

0.974865 0.58035997 0.213170193 Ln_TA

Keterangan : AbsDA

= Absolute Discretionary Accrual

ROA

= Returns On Assets

DTA

= Debt to Total Asset

Ln_TA

= Log Total Asset Berdasarkan tabel statistik deskriptif diatas, jumlah data yang digunakan dalam penelitian ini adalah 109 data. Dari observasi ini, dapat diketahui bahwa nilai minimum kualitas laba yang dinilai dengan absolute discretionary accrual pada perusahaan di sektor aneka industri sebesar 0,001 dan nilai maksimumnya 0,542. Rata-rata kualitas laba sebesar 0,07268 dengan standar deviasi 0,072157.

Variabel profitabilitas perusahaan (ROA) menunjukkan nilai minimum sebesar -0,229750 dan nilai maksimum sebesar 0,429338. Nilai rata-rata profitabilitas adalah sebesar 0,03340094 sedangkan standar deviasinya sebesar 0,080019324. Variabel leverage (DTA) menunjukkan nilai minimum 0,124288 dan nilai maksimumnya sebesar 0,974865. Nilai rata-rata leverage adalah sebesar 0,58035997 sedangkan standar deviasinya sebesar 0,213170193. Variabel ukuran perusahaan (Ln_TA) mempunyai nilai minimum 11,68 dan nilai maksimumnya sebesar 18,54. Nilai rata-rata ukuran perusahaan adalah sebesar 13,9692 dengan standar deviasi sebesar 1,26334.

Pengujian asumsi klasik terdiri dari uji multikolinearitas, uji heteroskedastisitas, uji autokorelasi, dan uji normalitas. Dalam penelitian ini, pengujian asumsi klasik menggunakan program SPSS 16.0.

1. Uji Multikolinieritas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel independen (Ghozali, 2005). Model regresi yang baik seharusnya tidak terjadi multikolinearitas.

Salah satu cara mendeteksi adanya multikolinearitas adalah dilihat dari nilai Tolerane dan nilai Variance Inflation Factor (VIF). Jika nilai Tolerance tidak kurang dari 0,10 dan nilai Variance Inflation Factor (VIF) tidak lebih dari

10, maka model dapat dikatakan terbebas dari multikolinearitas. Tabel di bawah ini menyajikan hasil pengujian multikolinearitas dengan menggunakan program SPSS 16.0.

Tabel IV.3 Hasil Uji Multikolinearitas

Tidak terdapat multikolinearitas DTA

Tidak terdapat multikolinearitas Ln_TA

Tidak terdapat multikolinearitas

Berdasarkan tabel IV.3 diatas, hasil pehitungan nilai Tolerance tidak menunjukkan bahwa ada variabel independen yang memiliki nilai Tolerance kurang dari 0,10 dan tidak terdapat satupun variabel independen yang memiliki Berdasarkan tabel IV.3 diatas, hasil pehitungan nilai Tolerance tidak menunjukkan bahwa ada variabel independen yang memiliki nilai Tolerance kurang dari 0,10 dan tidak terdapat satupun variabel independen yang memiliki

2. Uji Heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah model yang homoskedastisitas atau tidak heteroskedastisitas. Pengujian heteroskedastisitas persamaan regresi dalam penelitian ini diuji dengan scatterplots, yang disajikan pada gambar berikut ini :

Gambar IV.1 Hasil Uji Heteroskedastisitas

tersebar di atas dan di bawah angka nol. Titik-titik tersebut tersebar secara acak dan tidak membentuk pola tertentu yang teratur, sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi heteroskedastisitas.

3. Uji Autokorelasi

Autokorelasi adalah gejala terdapatnya korelasi diantara kesalahan pengganggu dari observasi lainnya. Pengujian autokorelasi bertujuan untuk menguji apakah dalam model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (periode sebelumnya). Untuk mendeteksi apakah dalam persamaan regresi terjadi autokorelasi atau tidak, maka dilakukan pengujian Durbin Watson. Kriteria yang bebas dari autokorelasi adalah bila nilai D-W berada diantara d u dan 4 – d u . Penentuan letak tersebut dibantu dengan menggunakan tabel Durbin-Watson, dengan melihat nilai dl dan du, serta dibantu dengan nilai k (jumlah variabel independen). Penelitian dikatakan bebas dari autokorelasi apabila nilai d berada diantara nilai d u dan 4 – d u . Berikut ini adalah tabel hasil pengujian autokorelasi dengan menggunakan Durbin Watson.

Tabel IV.4 Hasil Uji Autokorelasi dengan Durbin Watson

Model

Std. Error of the Estimate

Durbin-Watson

1.902 Dengan melihat nilai d u dengan signifikansi 0,05, serta nilai k = 3, N = 109, maka untuk regresi diperoleh nilai d u sebesar 1,7446 dan 4 – d u sebesar 1.902 Dengan melihat nilai d u dengan signifikansi 0,05, serta nilai k = 3, N = 109, maka untuk regresi diperoleh nilai d u sebesar 1,7446 dan 4 – d u sebesar

4. Uji Normalitas

Uji normalitas data dilakukan untuk menguji apakah data terdistribusi secara normal. Pengujian normalitas atas data dalam penelitian ini diuji dengan menggunakan One-Sample Kolmogorov Smirnov. Kriteria normal dalam pengujian ini yaitu apabila probabilitas signifikannya lebih dari 0.05, maka data telah terdistribusi secara normal. Berikut ini adalah hasil pengujian normalitas dengan menggunakan One-Sampel Kolmogorov Smirnov.