Gambar IV.1 menunjukkan bahwa data pada variabel dependen IC_DISC tidak menunjukkan pola tertentu serta menyebar di bawah dan
diatas angka 0 pada sumbu Y. Maka dapat disimpulkan tidak terjadi heteroskedastisitas pada variance dari residual dalam model regresi
IC_DISC.
2. Analisis Multiple Regression
Analisis regresi
pada dasarnya
adalah studi
mengenai ketergantungan variabel dependen terikat dengan satu atau lebih variabel
independen variabel penjelas bebas, dengan tujuan untuk mengestimasi dan memprediksi rata-rata populasi atau nilai rata-rata variabel dependen
berdasarkan nilai variabel independen yang diketahui Gujarati, 2003 dalam Ghozali, 2005.
Hasil analisis regresi adalah berupa koefisien untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara memprediksi
nilai variabel dependen dengan suatu persamaan. Koefisien regresi dihitung dengan tujuan meminimumkan penyimpangan antara nilai aktual
dan nilai estimasi variabel dependen berdasarkan data yang ada Tabachnick, 1996 dalam Ghozali, 2005. Penelitian ini menguji pengaruh
lebih dari satu variabel bebas metrik terhadap satu variabel terikat metrik, maka metode statistik yang digunakan adalah analisis regresi
linier berganda multiple regression, dengan model regresi yang digunakan adalah:
IC_DISC =
Dalam model regresi tersebut terdapat satu variabel dependen dan empat variabel independen yang terdiri dari: ownership retention
OWNER_RET, auditor
type AUD_TYP,
underwriter type
UNDERW_REP, leverage LEV. Berikut ini merupakan ringkasan tampilan output SPSS version
15.0 atas hasil uji multiple regression menggunakan backward method. Hasil output SPSS selengkapnya terdapat pada lampiran.
Tabel IV.8 Ringkasan Hasil Analisis
Multiple Regression
IC_DISC Koefisien
T Sig.
Constant
0,211 7,613
0,00 OWNER_RET
0,004 0,099
0,922 AUD_TYP
0,066 2,281
0,028 UNDERW_REP
0,062 2,086
0,043 LEV
0,003 1,130
0,266
R Square
0,230
Adjusted R Square
0,191
Std. Error Estimate
0,092 F
5,969 Sig.
0,005
Koefisien determinasi R² digunakan mengukur kemampuan model dalam menerangkan variasi variabel dependen. Nilai R² yang kecil
menunjukkan kemampuan
variabel-variabel independen
dalam menjelaskan variasi variabel dependen terbatas. Kelemahan mendasar
penggunaan koefisien determinasi adalah bias terhadap jumlah variabel