3. Variabel Return on Equity memiliki nilai terkecil minimum -36.36, nilai
terbesar maximum 27,81 dengan rata-rata mean sebesar 39,232. Simpangan baku standar deviation variabel ini adalah sebesar 8.81347.
4. Variabel Porsi Saham Publik memiliki nilai terkecil minimum 7,11, nilai terbesar maximum 94,15 dengan rata-rata mean yang diperoleh perusahaan
real estate property selama tahun 2008-2010 sebesar 36.1484. Simpangan baku standar deviation variabel ini adalah sebesar 21.48918.
5. Variabel Ukuran Perusahaan memiliki nilai terkecil minimum 25,50, nilai terbesar maximum 30,47 dengan rata-rata mean yang diperoleh perusahaan
real estate property selama tahun 2008-2010 sebesar 1.26250. Simpangan baku standard deviation variabel ini adalah sebesar 1.26250.
6. Variabel Kelengkapan Pengungkapan Laporan Keuangan memiliki nilai terkecil minimum 60,00, nilai terbesar maximum 89,23 dengan rata-rata
mean Kelengkapan Pengungkapan Laporan Keuangan yang diperoleh perusahaan real estate property selama tahun 2008-2010 sebesar 72,7139.
Simpangan baku standar deviation adalah sebesar 6.61704.
4.2 Analisis Hasil Penelitian
4.2.1 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk menghasilkan analisis yang akurat dalam suatu model regresi. Model regresi yang baik harus memenuhi asumsi-asumsi
klasik, yang merupakan asumsi yang mendasari analisis regresi. Pengujian
Universitas Sumatera Utara
asumsi klasik dalam penelitian ini mencakup uji normalitas, uji multikolinearitas, uji heterokedastisitas dan uji autokorelasi.
a. Uji Normalitas Data Uji normalitas digunakan untuk mengetahui apakah dalam suatu model
regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak Terdapat dua cara untuk mendeteksi apakah residual berdistribusi
normal, yaitu dengan analisis grafik dan analisis statistik. 1. Analisis Grafik
Dalam analisis ini, grafik yang digunakan berupa grafik histogram dan grafik P-P Plot, dimana data yang baik adalah data yang memiliki pola
distribusi normal.
Gambar 4.1 Histogram
Sumber: Data yang diolah peneliti, 2011
Universitas Sumatera Utara
Dari histogram tersebut, terlihat kurva berbentuk lonceng yang menunjukkan kemiringan yang hampir setara. Hal tersebut menunjukkan
bahwa distribusi data mendekati normal.
Dari grafik P-P Plot, terlihat titik-titik menyebar disekitar garis diagonal. Hal ini menujukkan data penelitian yang terdistribusi secara
normal. 2. Analisis Statistik
Peneliti melakukan uji statistik ini untuk memastikan apakah data di sepanjang garis diagonal telah berdistribusi normal. Uji statistik yang
dilakukan adalah uji Kolmogorovk-Smirnov 1 sample K-S dengan signifikansi sebesar 5. Pengujian dilakukan terhadap nilai residual dari
model regresi karena jika terdapat normalitas, maka nilai residual akan
Gambar 4.2 Grafik P-P Plot
Sumber: Data yang diolah peneliti, 2011
Universitas Sumatera Utara
terdistribusi secara normal dan independen. Data yang normal adalah data yang memiliki nilai signifikansi lebih besar dari 0,05.
Dari tabel di atas dapat dilihat bahwa nilai signifikansi Asymp. Sig. 2-tailed sebesar 0,922 0,05, sehingga dapat disimpulkan bahwa data
penelitian berdistribusi normal dan dapat digunakan untuk pengujian selanjutnya.
b. Uji Multikolinearitas Uji multikolinearitas dilakukan untuk mengetahui apakah dalam suatu
model regresi terdapat korelasi di antar variabel bebas independen. Suatu model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
independennya. Gejala multikolinearitas dapat dilihat dari nilai tolerance dan
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 87
Normal Parameters
a,b
Mean .0000000
Std. Deviation 5.06404715
Most Extreme Differences Absolute
.059 Positive
.035 Negative
-.059 Kolmogorov-Smirnov Z
.550 Asymp. Sig. 2-tailed
.922 a. Test distribution is Normal.
b. Calculated from data.
Tabel 4.2 Hasil Uji Normalitas K-S
Sumber: Data yang diolah peneliti, 2011
Universitas Sumatera Utara
nilai Variance Inflation Factor VIF. Jika nilai tolerance 0,1 dan nilai VIF 10, maka terdapat gejala multikolinearitas. Jika nilai tolerance 0,1
dan nilai VIF 10, maka tidak terjadi multikolinearitas. Hasil pengujian multikolinearitas dapat dilihat pada tabel 4.3 di bawah.
Dari hasil pengujian di atas, dapat dilihat bahwa nilai VIF untuk semua variabel 10, dan nilai tolerance untuk semua variabel 0,1, sehingga dapat
disimpulkan bahwa tidak terdapat gejala multikolinearitas antar variabel independen.
c. Uji Heterokedastisitas Tujuan pengujian heterokedastisitas adalah untuk melihat apakah dalam
suatu model regresi terdapat korelasi antar kesalahan pengganggu antara satu pengamatan ke pengamatan yang lain. Model regresi yang baik seharusnya
Model Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-30.449 14.207
ART -.107
.075 -.132
.838 1.193
CR -.024
.152 -.014
.937 1.067
ROE -.153
.068 -.203
.878 1.139
PSP -.043
.029 -.140
.840 1.190
SIZE 3.784
.522 .722
.728 1.373
Tabel 4.3 Hasil Uji Multikolinearitas
Sumber: Data yang diolah peneliti, 2011
Universitas Sumatera Utara
tidak terjadi heterokedastisitas. Pengujian heterokedastisitas dilakukan dengan uji grafik dengan melihat grafik scatterplot gambar 4.3
Dari grafik scatterplot di atas dapat dilihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas serta titik-
titik tersebut tersebar baik di atas maupun di bahwa angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heterokedastisitas pada model
regresi. d. Uji Autokorelasi
Pengujian autokorelasi dilakukan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi antar kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 periode sebelumnya. Model
Gambar 4.3 Grafik Scatterplot
Sumber: Data yang diolah peneliti, 2011
Universitas Sumatera Utara
regresi yang baik adalah model regresi yang bebas dari autokorelasi Ghozali, 2006 : 96. Pengujian autokorelasi menggunakan uji Durbin-Watson DW.
Hasil uji DW dapat dilihat pada tabel 4.4 di bawah.
Dari tabel di atas dapat dilihat bahwa nilai DW sebesar 2,173 dengan jumlah sampel sebanyak 87 buah, dan jumlah variabel bebas sebanyak 5 n =
87, k = 5, dan tingkat signifikansi sebesar 0,05. Dari data tersebut maka batas d
L
= 1,532 dan d
U
= 1,775
.
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson
dimensi on0
1 .644
a
.414 .378
5.21800 2.173
a. Predictors: Constant, SIZE, CR, ROE, PSP, ART b. Dependent Variable: KLKP
Jika Keputusan
0 2,173 1,.532 1,532
≤ 2,173 ≤ 1,775 1,775 2,173 2,225
2,225 ≤ 2,173 ≤ 2,468
2,468 2,173 4 Ada autokorelasi
Tidak ada kesimpulan Tidak ada autokorelasi
Tidak ada kesimpulan Ada autokorelasi
Tabel 4.4 Hasil Uji Autokorelasi
Sumber: Data yang diolah peneliti, 2011
Tabel 4.5 Intepretasi Hasil Uji Autokorelasi DW
Sumber: Data yang diolah peneliti, 2011
Universitas Sumatera Utara
Interpretasi dari pengujian ini dapat dilihat pada tabel 4.5 di atas. Dari tabel tersebut terlihat bahwa nilai DW sebesar 2,173 lebih besar dari batas D
U
sebesar 1,775 dan lebih kecil dari batas D
L
sebesar 1,532, sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi dalam model regresi.
4.2.2 Pengujian Hipotesis
