X2 = Ukuran Dewan Komisaris X3 = Komisaris Independen
e = Tingkat kesalahan variabel pengganggu
3.9.1 Pengujian Asumsi Klasik 3.9.1.1 Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi antara variabel dependen dengan variabel independen mempunyai
distribusi normal atau tidak. Proses uji normalitas data dilakukan dengan uji statistik Kolmogorov-Smirnov dan memperhatikan penyebaran data
titik pada normal P-plot of regression standardized residual dari variabel independen dimana distribusi normal akan membentuk suatu garis lurus
diagonal, dan ploting data akan dibandingkan dengan garis diagonal. Jika distibusi data adalah normal, maka garis yang menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya Gozali, 2002:74. Dalam penelitian ini digunakan dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak, yaitu dengan analisis statistik dan analisis grafik.
3.9.1.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk meguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi
yang baik seharusnya tidak terjadi korelasi antar variabel bebas.
Universitas Sumatera Utara
Untuk deteksi terhadap ada tidaknya multikolinearitas dapat dilihat dari nilai VIF Variance inflation Factor dan nilai toleransi. Pada pengujian
ini regresi yang bebas multikolinearitas adalah yang mempunyai nilai VIF kurang dari 10 dan nilai tolerance tidak kurang dari 0,1.
VIF = 1Tolerance, jika VIF – 10, maka tolerance =110=0,1.
3.9.1.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun
yang berkaitan satu dengan yang lainnya. Salah satu cara untuk mengetahui ada tidaknya autokorelasi adalah dengan uji Durbin Watson
DW test. Uji DW dihitung berdasarkan jumlah selisih kuadrat nilai taksiran faktor gangguan yang berurutan. Uji Durbin Watson hanya
digunakan untuk autokorelasi tingkat satu first order autocorelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak
ada variabel di antara variabel independen.
3.9.1.4 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual pada satu
pengamatan ke pengamatan lainnya. Jika varians residual dari satu
Universitas Sumatera Utara
pengamatan ke pengamatan lain tetap maka disebut homokedastisitas, demikian sebaliknya jika varians berbeda maka disebut heterokedastisitas.
Untuk mengetahui ada tidaknya heterokedastisitas dalam model regresi dapat dilihat pada grafik Scatterplot. Jika titik-titik dalam grafik menyebar
tidak membentuk pola tertentu gelombang, melebar, kemudian menyempit, serta tersebar baik di atas maupun di bawah angka 0 pada
sumbu Y, maka tidak terjadi heterokedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas Erlina dan Mulyani, 2007:108
3.9.2 Pengujian Hipotesis
