59
minimum 0, dan nilai rata-rata manajemen laba adalah -0.009, dengan nilai maksimum 0.053 dan nilai minimum -0.050.
4.1.2. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh
model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji
multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. a.
Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah data yang
digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan
adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1.
Gambar 4.1 Grafik Histogram
Sumber: Hasil Pengolahan SPSS Juni, 2016
Universitas Sumatera Utara
60
Berdasarkan gambar 4.1 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik
histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik
adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual
normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal
probability plot dapat dilihat dalam gambar 4.2 berikut:
Gambar 4.2 Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan Gambar 4.8 P-Plot di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya
mengikuti arah garis diagonal garis normal. Pengujian normalitas data
Universitas Sumatera Utara
61
secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan
nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05
Ghozali,2007:12.
Tabel 4.2 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 39
Normal Parameters
a
Mean .0000000
Std. Deviation .01649633
Most Extreme Differences
Absolute .190
Positive .180
Negative -.190
Kolmogorov-Smirnov Z 1.189
Asymp. Sig. 2-tailed .118
a. Test distribution is Normal.
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan hasil uji normalitas dengan Kolmogorov- Smirnovdiatas, terlihat bahwa data telah terdistribusi dengan normal yang
mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.118 dan nilai Kolmogorov-Smirnov Z sebesar 1.189.
b. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
Universitas Sumatera Utara
62
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu
pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan
dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2005:139.
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik
scatterplot ditunjukkan pada gambar 4.3 berikut:
Gambar 4.3
Universitas Sumatera Utara
63
Grafik Scatterplot Sumber: Hasil Pengolahan SPSS Mei 2016
Pada Gambar 4.3 scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada
sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
c. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi
dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai
inflation factor VIF dan Tolerance.
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s Collinearity
Statistics B
Std. Error Beta
Toleran ce
VIF 1
Constant -.001
.008 KOMITEAUD
IT .000
.000 -.248
.744 1.345 KUALITASA
UDIT 1.242E
-5 .007
.000 .744 1.345
a. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni,2016
Universitas Sumatera Utara
64
Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka
dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala
multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan
tabel 4.3. diatas diketahui masing-masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel
independen tidak terjadi multikolinearitas. d.
Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah sebuah model
regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya Ghozali,
2005. Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-
Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan keputusan pada asumsi ini memerlukan dua
nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW
berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi terpenuhi. Adapun kriteria dalam penentuan autokorelasi
adalah sebagai berikut : 1
Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi.
Universitas Sumatera Utara
65
2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi
tidak dapat dijelaskan inconclusive. 3
Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non Autokorelasi.
Hasil pengujian autokorelasi dapat dilihat pada tabel berikut:
Universitas Sumatera Utara
66
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.248
a
.061 .009
.016948 2.195
a. Predictors: Constant, KUALITASAUDIT, KOMITEAUDIT
b. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
Tabel 4.4 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 16. Tabel DW
menunjukkan bahwa dengan n = 39, K = 2, maka akan diperoleh nilai dl = 1.3821 dan du = 1.5969 dan 4-du = 4 –1.5969 = 2.4031.
Berdasarkan hasil pengujian Durbin-Watson dengan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.3821 2.195 4 –1.5969 yang
berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.
4.1.3. Uji Hipotesis
