56
Indonesia Tbk. tahun 2011 dan Bank Bumi Arta Tbk. dan Bank Victoria International Tbk. tahun 2015. Sedangkan nilai maksimum penelitian dari
komite audit adalah sebesar 8 yang merupakan jumlah komite audit dari Bank Rakyat Indonesia Tbk. tahun 2013 dan 2015.
2. Hasil Uji Asumsi Klasik
a. Hasil Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data berdistribusi normal atau tidak. Model regresi yang baik memiliki data
yang berdistribusi normal. Untuk menguji normalitas data dalam penelitian ini menggunakan uji statistik yaitu uji Kolmogorov-Smirnov
K-S. Nilai residual terstandarisasi berdistribusi normal jika nilai Asymp. Sig. 0,05.
Tabel 4. 3 Hasil Uji Normalitas dengan Uji Kolmogorov-Smirnov Unstandardized Residual
N 145
Normal Parameters
a,b
Mean 0,0000000
Std. Deviation
0,93130304 Most Extreme
Differences Absolute
0,162 Positive
0,162 Negative
-0,106 Test Statistic
0,162 Asymp. Sig. 2-tailed
0,000
c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber: Output SPSS yang diolah
57
Nilai Asymp. Sig. 2-tailed pada tabel 4.3 yang merupakan hasil dari uji Kolmogorov-Smirnov sebesar 0,000. Nilai tersebut di bawah
nilai signifikan yaitu 0,05. Dengan demikian dapat disimpulkan bahwa data berdistribusi tidak normal.
Menurut Ghozali 2013, data yang tidak berdistribusi normal dapat dilakukan transformasi data agar menjadi normal. Transformasi
data dalam penelitian ini dengan menggunakan metode Logaritma Log sebagai pengobatan.
Berikut tabel 4.4 yang menunjukkan hasil dari uji Kolmogorov- Smirnov setelah transformasi data dilakukan.
Tabel 4. 4 Hasil Uji Normalitas dengan Uji Kolmogorov-Smirnov setelah Transformasi
Unstandardized Residual
N 145
Normal Parameters
a, b
Mean 0,0000000
Std. Deviation
0,23931453 Most
Extreme Differences
Absolute 0,063
Positive 0,063
Negative -0,031
Test Statistic 0,063
Asymp. Sig. 2-tailed 0,200
c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. d. This is a lower bound of the true significance.
Sumber: Output SPSS yang diolah Nilai Asymp. Sig. 2-tailed pada hasil uji Kolmogorov-Smirnov
adalah sebesar 0,200. Nilai tersebut di atas nilai signifikan yaitu 0,05.
58
Dengan demikian dapat disimpulkan bahwa data berdistribusi normal, maka model regresi dapat digunakan untuk pengujian berikutnya.
Hasil uji normalitas data yang ditunjukkan Kolmogorov- Smirnov tersebut konsisten dengan hasil analisis grafik histogram dan
grafik normal P-Plot berikut ini.
Gambar 4. 1 Hasil Uji Normalitas dengan Grafik Histogram
Gambar 4. 2 Hasil Uji Normalitas dengan Grafik Normal P-Plot
59
Berdasarkan kedua grafik tersebut dapat dilihat bahwa grafik histogram maupun grafik normal P-Plot memberikan pola distribusi
data yang normal. Pada grafik histogram dapat dilihat bahwa grafik menggambarkan bentuk lonceng serta pada grafik normal P-Plot titik-
titik yang mewakili jumlah sampel dalam penelitian ini mendekati garis diagonal.
b. Hasil Uji Multikoloniaritas
Uji Multikoloniaritas dilakukan untuk melihat apakah terjadi korelasi antara variabel bebas atau satu sama lainnya. Jika nilai
Tolerance ≥ 0,1 dan VIF ≤ 10, maka dapat dikatakan tidak terjadi
multikoloniaritas antar variabel bebas. Berikut tabel 4.5 yang menunjukkan hasil dari uji multikoloniaritas.
Tabel 4. 5 Hasil Uji Multikoloniaritas dengan Uji VIF Model
Collinearity Statistics Tolerance
VIF
1 Constant
PS X
1
0,657 1,523
AT X
2
0,855 1,170
AS X
3
0,900 1,111
KA X
4
0,743 1,346
Sumber: Output SPSS yang diolah Berdasarkan hasil uji multikoloniaritas pada tabel 4.5 dapat
dilihat bahwa variabel bebas dalam penelitian ini tidak saling berkorelasi, karena memiliki nilai Tolerance
≥ 0,1 dan VIF ≤ 10. Maka dapat dikatakan tidak terjadi gejala multikoloniaritas antar variabel.
60
c. Hasil Uji Heteroskesdastisitas
Uji heteroskesdastisitas dilakukan untuk melihat apakah ada ketidaksamaan varians dalam fungsi regresi. Data yang baik adalah data
yang homoskesdastisitas atau data yang memiliki kesamaan varians dalam fungsi regresi. Uji heteroskesdastisitas dalam penelitian ini
menggunakan uji glejser yang dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya. Jika nilai
signifikansi antara variabel independen dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah heteroskesdastisitas.
Tabel 4. 6 Hasil Uji Heteroskesdastisitas dengan Uji Glejser
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant 0,289
0,098 2,955
0,004 PS X
1
-0,063 0,219
-0,029 -0,289 0,773
AT X
2
0,085 0,049
0,153 1,727
0,086 AS X
3
-0,020 0,025
-0,069 -0,796 0,427
AI X
4
-0,215 0,109
-0,187 -1,971 0,051
Sumber: Output SPSS yang diolah Pada tabel 4.6 terlihat bahwa nilai signifikansi antara semua
variabel independen dengan absolut residual lebih dari 0,05 maka dapat disimpulkan bahwa data dalam penelitian ini mempunyai kesamaan
varians dalam fungsi regresi atau homoskesdastisitas atau tidak terjadi heteroskesdastisitas.
Hasil uji glejser ini konsisten dengan hasil uji grafik scatterplot berikut ini:
61
Gambar 4. 3 Hasil Uji Heteroskesdastisitas dengan Grafik Scatterplot
Grafik scatterplot menunjukkan bahwa data tersebar di atas dan di bawah angka 0 nol pada sumbu Y dan tidak terdapat suatu pola yang
jelas pada penyebaran data tersebut. Hal ini mengindikasikan bahwa penyebaran titik-titik yang mewakili sampel pada scatterplot di atas
mengemukakan bahwa data dalam penelitian ini mempunyai kesamaan varians dalam fungsi regresi atau homoskesdastisitas.
d. Hasil Uji Autokorelasi
Menurut Ghozali 2013, uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier terdapat korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya.
62
Pengujian autokorelasi yang dilakukan dalam penelitian ini adalah dengan menggunakan uji Durbin-Watson. Hasil uji autokorelasi
dapat dilihat pada tabel 4.7.
Tabel 4. 7 Hasil Uji Autokorelasi dengan Uji Durbin-Watson Model
R R
Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Watson
1 0,318
a
0,101 0,075
0,243 2,125
Sumber: Output SPSS yang diolah Nilai Durbin-Watson dalam penelitian ini adalah sebesar 2,125.
Jumlah sampel yang digunakan dalam penelitian ini adalah 145 sampel dengan jumlah variabel independen yang diuji adalah 4 sehingga nilai
dL dalam Durbin-Watson tabel adalah sebesar 1,758 dan nilai dU adalah sebesar 4-1,758 yaitu sebesar 2.242. Nilai DW dalam penelitian
ini terletak di antara nilai dL dan dU yaitu 1,7582,1252,242. Hasil tersebut menunjukkan bahwa penelitian terbebas dari masalah
autokorelasi.
3. Hasil Koefisien Determinasi R
