Uji Asumsi Klasik Analisis Data

46 2008 bergerak dari minimal 10,42 hingga 17,97 dengan rata-rata 13,6412 dan standar deviasi 1,3431. Artinya ukuran minimal perusahaan adalah 10,42 dan maksimal 17,97 dengan standar penyimpangan rata-rata 13,6412. Status perusahaan menunjukkan bahwa terdapat 52 perusahaan PMDN 72,2 dan 20 perusahaan PMA 27,8. Indeks kelengkapan pengungkapan laporan keuangan pada perusahaan manufaktur tahun 2006-2008 bergerak dari minimal 0,5588 hingga maksimal 0,9706 dengan rata-rata 0,8085 dan standar penyimpangan rata-rata 0,0706.

B. Analisis Data

Metode analisis data yang digunakan dalam penelitian ini adalah analisis regresi ganda. Namun sebelumnya dilakukan uji asumsi klasik untuk mendeteksi apakah terjadi penyimpangan pada model regresi.

1. Uji Asumsi Klasik

Model regresi dapat digunakan untuk estimasi dengan signifikan dan representatif jika model regresi tersebut tidak menyimpang dari asumsi klasik regresi berupa: normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi.

a. Uji Normalitas

Uji normalitas dalam penelitian ini digunakan untuk mengetahui apakah data dari masing-masing variabel memiliki distribusi normal. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Untuk menguji normalitas data dalam penelitian ini digunakan 47 uji Kolmogorov-Smirnov. Untuk menerima atau menolak hipotesis dengan cara membandingkan p-value dengan taraf signifi kansi α sebesar 0,05. Jika p-value 0,05, maka data berdistribusi normal. Dalam asumsi kenormalan regresi, uji normalitas dilaksanakan terhadap residual dari regresi Perhitungan selengkapnya dapat dilihat pada Lampiran 4. Tabel IV.3 Hasil Uji Normalitas Data Variabel Kolmogorov- Smirnov Sig p-value Keterangan Unstandardized residual 1,336 0,122 p0,05 Normal Sumber: data diolah Dari hasil perhitungan Kolmogorov-Smirnov dapat diketahui bahwa harga p-value semua variabel ternyata lebih besar dari taraf signifikan 0.1220,05, maka dapat dinyatakan bahwa seluruh data memiliki sebaran data yang normal.

b. Uji Multikolinearitas

Uji multikolinearitas digunakan untuk mengetahui apakah ada korelasi di antara variabel independen yang satu dengan yang lainnya. Pengujian multikolinearitas dilakukan dengan melihat besarnya Tolerance Value dan Variance Inflation Factor VIF. Dari hasil perhitungan diperoleh hasil sebagai berikut Lampiran 5: 48 Tabel IV.4 Hasil Uji Multikolinieritas Variabel Tolerance VIF Keterangan Likuiditas 0,890 1,124 Tidak ada masalah multikolinearitas Leverage 0,533 1,876 Tidak ada masalah multikolinearitas Profitabilitas 0,554 1,805 Tidak ada masalah multikolinearitas Ukuran perusahaan 0,955 1,047 Tidak ada masalah multikolinearitas Status perusahaan 0,934 1,071 Tidak ada masalah multikolinearitas Sumber: Data diolah Dari hasil perhitungan multikolinearitas menunjukkan bahwa semua variabel independen memiliki nilai tolerance lebih dari 0,1 10, artinya tidak ada korelasi antar variabel bebas yang nilainya lebih dari 95. Hasil perhitungan juga menunjukkan bahwa semua variabel bebas memiliki VIF kurang dari 10 10. Jadi dapat disimpulkan bahwa tidak ada gejala multikolinearitas dalam model regresi yang digunakan.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi kesamaan varians homoskedastisitas dari residual satu ke pengamatan yang lain. Jika asumsi ini tidak dipenuhi, maka terjadi heteroskedastisitas. Dari hasil uji heteroskedastisitas dengan metode Glesjer test diperoleh hasil sebagai berikut Lampiran 6: 49 Tabel IV.5 Hasil Uji Heteroskedastisitas Variabel t hitung p-value Sign Keterangan Likuiditas 1,570 0,132 p0,05 Tidak ada masalah heteroskedastisitas Leverage 1,941 0,054 p0,05 Tidak ada masalah heteroskedastisitas Profitabilitas -1,602 0,111 p0,05 Tidak ada masalah heteroskedastisitas Ukuran perusahaan 0,095 0,925 p0,05 Tidak ada masalah heteroskedastisitas Status perusahaan 0,665 0,506 p0,05 Tidak ada masalah heteroskedastisitas Sumber: Data diolah Dari hasil perhitungan tersebut menunjukkan tidak ada gangguan heteroskedastisitas yang terjadi dalam proses estimasi parameter model penduga, dimana tidak ada nilai t hitung yang signifikan atau p0,05. Jadi secara keseluruhan dapat disimpulkan bahwa tidak ada masalah heteroskedastisitas dalam penelitian ini.

d. Uji Autokorelasi

Uji autokorelasi digunakan untuk mengetahui apakah terjadi korelasi di antara anggota dari serangkaian observasi yang terletak berderetan secara series dalam waktu untuk data time series atau korelasi antara tempat yang berdekatan untuk data cross sectional. Untuk menguji adanya pengaruh autokorelasi dalam penelitian ini digunakan metode Durbin-Watson test. Sampel sebanyak 216 dan variabel yang menjelaskan sebanyak 5 macam variabel, maka nilai D-W pada tingkat kepercayaan 5 = 0,05 adalah d L = 1,57 dan nilai d U = 50 1,78, maka didapatkan nilai 4 – d L yaitu 4 – 1,57 = 2,43 dan 4 – d U yaitu 4 – 1,78 = 2,22. Hasil perhitungan memperoleh nilai Durbin-Watson D-W = 1,812 Lampiran 7. Hal ini berarti nilai D-W berada di daerah bebas autokorelasi, yaitu nilai d u D-W 4-d U yaitu 1,78 1,812 2,22, seperti terlihat dalam Tabel IV.6. Tabel IV.6 Hasil Uji Autokorelasi D-W d L d U 4-d U Kriteria Keterangan 1,812 1,57 1,78 2,22 1,78 1,812 2,22 Bebas autokorelasi Sumber: Data diolah Tabel IV. 6 menunjukkan bahwa nilai D-W berada di daerah bebas autokorelasi, yaitu d u D-W 4-d U yaitu 1,78 1,812 2,22, sehingga dapat dinyatakan bahwa tidak ada gangguan autokorelasi dalam model regresi.

2. Analisis Regresi Ganda