51
3.7.1. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis dan uji analisis regresi linear berganda, maka hal yang pertama dilakukan adalah uji asumsi
klasik, yang bertujuan untuk mendapatkan nilai estimasi yang diperoleh bersifat BLUE Best, Linear, Unbiased, and Estimator, yang artinya nilai
estimator yang terbaik, estimator yang linear, dan estimator yang tidak bias, maka data-data yang digunakan dalam analisis regresi terlebih dahulu
akan diuji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik parametrik, dan jika data
tidak normal maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Data yang baik adalah data yang
mempunyai pola seperti distribusi normal. Untuk melihat normalitas dapat dilakukan dengan melihat histogram atau pola distribusi data
normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram
dari nilai residualnya. Dasar pengambilan keputusannya adalah:
Universitas Sumatera Utara
52
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau garis histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Dalam penelitian ini Peneliti menggunakan uji Kolmogorov- Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat
dengan membuat hipotesis: H0 : data residual berdistribusi normal,
Ha : data residual tidak berdistribusi normal. b.
Uji Multikolinieritas Menurut Ghozali 2009: 91, uji ini bertujuan untuk menguji apakah
model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel independen. Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya.
Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
a. Koefisien-koefisien regresi menjadi tidak dapat ditaksir,
b. Nilai standar error setiap koefisien regresi menjadi tak terhingga.
Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan
Universitas Sumatera Utara
53
menganalisis matriks korelasi variabel-variabel independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas
adalah jika nilai tolerance0,1 atau sama dengan nilai VIF10, maka model dapat dikatakan terbebas dari multikolinearitas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu
pengamatan dengan pengamatan yang lain. Menurut Ghozali 2009:125 Model regresi yang baik adalah yang homoskesdatisitas
atau tidak terjadi heteroskedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar
Scatterplot. Analisis pada gambar Scatterplot yang menyatakan model regresi berganda tidak terdapat heteroskedastisitas jika:
a. Titik-titik data menyebar di atas, di bawah atau di sekitar angka
nol, b.
Titik-titik data tidak mengumpul hanya di atas atau dibawah, c.
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar
kembali, d.
Penyebaran titik-titik data sebaiknya tidak berpola. d.
Uji Autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model regresi
linear terdapat korelasi atau kesalahan pengganggu pada periode t
Universitas Sumatera Utara
54
dengan kesalahan periode t-1. Jika terjadi autokorelasi, maka terdapat problem autokorelasi. Menurut Ghozali 2009:99,
autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan
pada data time series. Pada data cross section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian untuk
mendeteksi ada tidaknya autokorelasi adalah dengan menggunakan uji Durbin-Watson DW. Kriteria untuk penilaian terjadinya
autokorelasi yaitu: a.
Nilai D-W lebih kecil dari -2 berarti ada korelasi positif, b.
Nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, c.
Nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif.
3.7.2.Pengujian Hipotesis
a. Uji Statistik F Uji Simultan
Menurut Ghozali 2009: 88 pengujian hipotesis distribusi F pada model regresi berganda dilakukan untuk mengetahui pengaruh variabel
bebas secara bersama-sama terhadap variabel terikat. Rumusan hipotesis yang diuji adalah sebagai berikut:
Terima H tolak H
a
bila F
hitung
≤ F
tabel
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang
signifikan secara serentak dari variabel bebas terhadap variabel terikat,
Universitas Sumatera Utara
55
tolak H terima H
a
bila F
hitung
F
tabel
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan
secara serentak dari variabel bebas terhadap variabel terikat. b.
Uji Statistik t Uji Parsial Menurut Ghozali 2009: 88uji t pada dasarnya menunjukkan
seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat. Tujuan dari uji t adalah untuk
menguji koefisien regresi secara individual. Rumusan Hipotesis yang akan diuji adalah sebagai berikut:
H diterima bila t
tabel
t
hitung
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang signifikan dari
variabel bebas secara parsial terhadap variabel terikat, H
a
diterima bila t
hitung
t
tabel
,atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan dari variabel
bebas secara parsial terhadap variabel terikat. c.
Pengujian Koefisien Determinan R
2
Menurut Ghozali 2009: 87 pengujian koefisien determinan dilakukan untuk melihat seberapa besar pengaruh variabel bebas terhadap
variabel terikat. Pengujian ini dilakukan dengan melihat nilai koefisien
determinan. Koefisien determinan R
2
merupakan besaran non negatif dan besarnya koefisien determinasi adalah 0
≤R2≤1. Jika koefisien determinan bernilai 0, maka tidak ada hubungan antara variabel bebas
dengan variabel terikat. Sebaliknya jika koefisien determinan bernilai 1,
Universitas Sumatera Utara
56
maka ada keterikatan sempurna antara variabel bebas dengan variabel terikat. Uji Determinasi, untuk melihat besarnya kontribusi pengaruh
variabel bebas dan variabel terikat dapat dihitung dengan rumus:
D = r
2
x 100 . 3.7.3. Analisis Regresi Linear Berganda
Analisis regresi linier berganda digunakan dengan maksud meramalkan bagaimana keadaan naik-turunnya variabel dependen bila
dua atau lebih variabel independen dimanipulasi Sugiyono, 2006: 210. Analisis ini menggunakan teknik analisis statistik SPSS dengan metode
analisis regresi linear berganda.Dalam model ini dinyatakan laporan audit wajar tanpa pengecualian dan audit report lag berpengaruh terhadap harga
saham. Pengujian terhadap model tersebut dengan mengidentifikasi nilai dan probabilitas b1 adalah sebagai berikut:
Y = a + b1X
1
+ b
2
X
2
e
Dimana:
Y = Manajemen Laba
X
1
= Kualitas Audit X
2
= Komite Audit a
= Konstanta b
= Koefisien regresi e
= Standard Error
Universitas Sumatera Utara
57
3.7.4. Analisis Regresi dengan Variabel Moderating