4.2.2 Uji Asumsi Klasik
Uji normalitas
dimaksudkan untuk
mengetahui apakah data penelitian terdistribusi secara
normal. Penilaian
normalitas dengan
menggunakan perbandingan
skewness kemencengan dan kurtosis keruncingan. Standar
sebuah data dikatakan memiliki distribusi normal adalah jika hasil skewness adalah 0 dan kurtosis
adalah 3 Gujarati, 2006. Jika suatu observasi memiliki nilai kurtosis lebih besar dari +3 atau lebih
kecil dari -3 berarti observasi tersebut mempunyai nilai yang ekstrim outliers atau tidak berdistribusi
normal. Hasil
uji normalitas
pada variabel
independen dan dependen disajikan pada tabel 4.5.
Tabel 4.5 Hasil Uji Normalitas
Variabel Min
Max Mean
Skew Kurt
Hasil
Likuiditas 0,20
4,79 1,723
0,90 0,74 Normal
Leverage 0,08
0,96 0,542
-0,34 -0,26 Normal
Dekom 0,29
0,70 0,409
1,51 4,66 Tidak
normal Manajemen
Laba -0,58
0,66 -0,03
0,16 0,60 Normal
ETR 0,029
0,813 0,312
1,52 4,24 Tidak
normal CETR
0,016 0,989
0,298 1,41
5,72 Tidak normal
Sumber: Data sekunder yang diolah, 2012
Pada tabel 4.5 terlihat bahwa beberapa variabel memiliki kurtosis diatas +3, yaitu dekom
dewan komisaris independen dengan nilai kurtosis sebesar 4,656, ETR dengan nilai kurtosis sebesar
4,239 dan CETR dengan nilai kurtosis sebesar 5,719. Sedangkan
variabel likuiditas,
leverage dan
manajemen laba memiliki nilai kurtosis secara berturut-turut adalah 0,740, -0,264 dan 0,604. Nilai
kurtosis pada variabel-variabel tersebut berada diantara +3 dan -3, sehingga dapat disimpulkan
variabel likuiditas, leverage dan manajemen laba memiliki distribusi data yang normal. Untuk
mendapatkan hasil pengujian yang lebih baik dan valid maka dilakukan tranformasi variabel penelitian
yang tidak berdistribusi normal kedalam bentuk akar kuadrat sqrt. Hasil uji normalitas setelah
dilakukan transformasi dapat dilihat pada tabel 4.6.
Tabel 4.6 Hasil Uji Normalitas Setelah Transformasi
Variabel Min
Max Mean
Skew Kurt
Hasil
Likuiditas 0,20
4,79 1,723
0,90 0,74 Normal
Leverage 0,08
0,96 0,542
-0,34 -0,26 Normal
sqrtDekom -1,70
-0,37 -0,95
0,15 -0,43 Normal
Manajemen Laba
-0,58 0,66
-0,03 0,16
0,60 Normal sqrtETR
0,17 0,90
0,55 0,10
0,57 Normal sqrtCETR
0,03 0,99
0,51 0,03
0,48 Normal Sumber: Data sekunder yang diolah, 2012
Berdasarkan tabel 4.6 terlihat bahwa setelah dilakukannya transformasi variabel dewan komisaris
independen, ETR dan CETR kedalam bentuk akar kuadrat
sqrt, nilai
kurtosis pada
variabel sqrtDekom, sqrtETR dan sqrtCETR secara berturut-
turut adalah -0,433, 0,572 dan 0,483. Nilai kurtosis pada variabel-variabel tersebut berada pada kisaran
nilai ±3
sehingga dapat
dinyatakan bahwa
sqrtDekom, sqrtETR dan sqrtCETR berdistribusi normal.
Uji Multikolonieritas
dilakukan dengan
matriks korelasi dengan melihat besarnya nilai VIF Variance Inflation Factor dan nilai tolerance. Suatu
model regresi yang bebas dari multikolinearitas memiliki nilai VIF yang tidak melebihi dari 10 dan
nilai tolerance tidak ada yang kurang dari 0,10. Hasil uji multikolonieritas dalam penelitian ini dapat
dilihat pada tabel 4.7. Berdasarkan hasil uji multikolinearitas, nilai VIF pada variabel-variabel
penelitian berada pada kisaran angka 1,028 hingga 1,146. Sedangkan nilai tolerance terendah adalah
0,873 dan tertinggi 0,976. Berdasarkan nilai VIF dan tolerance
dapat disimpulkan
bahwa tidak
terdapatnya multikoloniearitas.
Tabel 4.7 Hasil Uji Multikolinearitas
Variabel Tolerance
VIF Kesimpulan
Likuiditas 0,973
1,028 Tanpa
multikoloniearitas Leverage
0,900 1,112
Tanpa multikoloniearitas
sqrtDekom 0,873
1,146 Tanpa
multikoloniearitas Manajemen
Laba 0,942
1,062 Tanpa
multikoloniearitas Size
0,961 1,041
Tanpa multikoloniearitas
Tarif 0,931
1,075 Tanpa
multikoloniearitas Saham
0,873 1,145
Tanpa multikoloniearitas
Sumber: Data sekunder yang diolah, 2012
Uji autokorelasi bertujuan untuk menguji
apakah dalam suatu model regresi linear yang digunakan terdapat korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Untuk mendeteksi ada
tidaknya autokorelasi,
digunakan uji
Durbin- Watson. Sebuah data dikatakan tidak memiliki
masalah autokorelasi jika nilai Durbin-Watson berada diantara nilai du upper bound dan 4-du.
Berdasarkan tabel dengan nilai n = 195 dan k = 4 didapat angka dl lower = 1,724 dan du upper =
1,808. Hasil uji Durbin Watson dengan sqrtETR dan sqrtCETR sebagai variabel dependen terlihat pada
tabel 4.8.
Tabel 4.8 Hasil Uji Autokorelasi
Dependen Variabel
Durbin- Watson
lower bound
upper bound
Kesimpulan
sqrtETR 1,876
1,724 1,808
Tanpa autokorelasi
sqrtCETR 1,937
1,724 1,808
Tanpa autokorelasi
Sumber: Data sekunder yang diolah, 2012
Berdasarkan tabel 4.8, diketahui nilai Durbin Watson dengan menggunakan sqrtETR sebagai
variabel dependen sebesar 1,876. Oleh karena nilai Durbin
Watson hitung
dengan menggunakan
sqrtETR sebagai variabel dependen adalah 1,876 yang berada diantara nilai du dan 4
–du, sehingga dapat disimpulkan bahwa tidak ada autokorelasi
positif maupun negatif. Sedangkan nilai Durbin Watson dengan menggunakan sqrtCETR sebagai
variabel dependen adalah 1,937 yang berada diantara nilai du dan 4
–du, maka dapat disimpulkan tidak terdapat autokorelasi antar residual dimana
CETR sebagai variabel dependen.
Uji heteroskedastisitas bertujuan menguji
apakah dalam model regresi terjadi ketidaksamaan variance
dari residual
satu pengamatan
ke pengamatan yang lain. Model regresi yang baik
adalah yang homoskedastisitas atau variance dari residual satu pengamatan ke pengamatan yang lain
tetap. Untuk menguji heteroskedastisitas dalam
penelitian ini dengan menggunakan Uji Glejser. Dari hasil pengujian sebagaimana pada tabel 4.9, hasil
masing-masing variabel indpenden dengan tingkat signifikansi tidak ada yang lebih kecil dari 0,05,
sehingga varian dari residual satu pengamatan ke pengamatan
yang lain
tetap, maka
disebut homoskedastisitas atau bebas heteroskedastisitas
dalam penelitian ini.
Tabel 4.9 Hasil Uji Glejser
Variabel abresid :
sqrtETR abresid :
sqrtCETR t
Sig. t
Sig.
Likuiditas 0,544
0,587 0,013
0,590 Leverage
0,896 0,104
0,484 0,064
sqrtDekom -0,723
0,470 -0,843
0,400 Manajemen
Laba 0,802
0,424 0,073
0,242 Size
-1,505 0,134
-1,977 0,059
Tarif 0,735
0,463 -0,365
0,716 Saham
-0,573 0,568
1,537 0,126
Sumber: Data sekunder yang diolah, 2012
4.3 Pemilihan Model Regresi Panel Data
Kategori