57
b. Nilai t
hitung
untuk variabel ukuran kepemilikan institusional adalah 2.390 dengan tingkat signifikansi 0.024. Nilai t
hitung
2.390 t
tabel
1.7 dan nilai signifikansi 0.024 0.05. Hal ini menunjukkan bahwa variabel ukuran kepemilikan
institusional berpengaruh positif dan signifikan terhadap ATO. c.
Nilai t
hitung
untuk variabel ukuran dewan komisaris independen adalah -1.922 dengan tingkat signifikansi 0.034. Nilai t
hitung
-1.922 t
tabel
1.70 dan nilai signifikansi 0.034 0.05. Hal ini menunjukkan bahwa variabel ukuran dewan komisaris
independen tidak berpengaruh signifikan terhadap ATO. 3.
Analisis Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Tabel 4.9 Analisis Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .634
a
.402 .335
.438316 1.853
a. Predictors: Constant, KMSRIS, Kepemilikan_Institusional, Kepemilikan_Manajerial b. Dependent Variable: ATO
Sumber: Hasil Olahan SPSS 2015 Tabel 4.9 menunjukkan bahwa pada model terlihat Adjusted R Square = 0.335,
berarti hubungan antara ukuran dewan komisaris independen, kepemilikan manajerial dan kepemilikan institusional dengan ATO sebesar 33.5 artinya hubungannya cukup
erat.
4.3.3. Uji Asumsi Klasik Regresi 2 Dengan Variabel Kontrol
58
Uji asumsi klasik adalah persyaratan statistik yang harus dimiliki oleh analisis regresi linier berganda. Asumsi yang dipergunakan adalah uji normalitas, uji
multikolinearitas, uji heterokedastisitas dan uji autokorelasi.
1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Dengan adanya tes normalitas maka hasil
penelitian bisa digeneralisasikan pada populasi a.
Pendekatan Histogram
Sumber: Hasil Olahan SPSS 2015
Gambar 4.4 Pendekatan Histogram
59
Untuk menguji normalitas data dapat dilihat dengan histogram yang memiliki ciri – ciri khusus. Kemencengan suatu kurva distribusi data dapat bertanda positif jika kurva
juling ke kanan atau bertanda negatif jika kurva juling ke kiri. Gambar histogram di atas terlihat bahwa variabel distribusi normal, hal ini
ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau ke kanan.
b. Pendekatan Grafik
Sumber: Hasil Olahan SPSS 2015
Gambar 4.5 Pendekatan Grafik
PP Plot akan membentuk plot antara nilai – nilai dari sumbu y dan sumbu x. Apabila
plot keduanya berbentuk linier , maka hal ini merupakan indikasi bahwa residual menyebar normal.
Gambar 4.5 terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi secara normal. Namun seringkali data kelihatan normal karena
60
mengikuti garis normal karena mengikuti garis diagonal. Untuk memastikan apakah data sepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorv-Smirnov.
c. Pendekatan Kolmogorv-Smirnov
Tabel 4.10 Pendekatan Kolmogorv-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 31
Normal Parameters
a,b
Mean 0E-7
Std. Deviation .36133756
Most Extreme Differences Absolute
.099 Positive
.070 Negative
-.099 Kolmogorov-Smirnov Z
.554 Asymp. Sig. 2-tailed
.919 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Olahan SPSS 2015 Pada Tabel 4.10 pendekatan kolmogorv-smirnov terlihat bahwa nilai Kolmogorv-
Smirnov adalah 0.554. Nilai Asymp.Sig.2-tailed adalah 0.919 dan di atas nilai signifikan 0.05. Dengan kata lain variabel residual berdistribusi normal.
2. Uji Heterokedastisitas
Uji Heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang
lain. Jika varians sama, dan ini yang seharusnya terjadi maka dikatakan ada
61
homokedastisitas. Sedangkan jika varians tidak sama dikatakan terjadi hetetokedastisitas. Alat untuk menguji heterokedastisitas bisa dibagi dua, yakni dengan analisis grafik
scatterplot atau dengan analisis residual yang berupa statistik yaitu uji glejser. a.
Grafik Scatterplot
Sumber: Hasil Olahan SPSS 2015
Gambar 4.6 Grafik Scatterplot
Gambar 4.6 di atas terlihat titik – titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol
pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi. Kelemahan dari model ini adalah semakin sedikit jumlah pengamatan maka akan sulit
menginterpretasikan hasilnya maka selanjutnya dilakukan uji glejser.
62
b. Uji Glejser
Tabel 4.11 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
.361 .326
1.105 .280
Kepemilikan_Manajerial -1.114
.721 -.344
-1.545 .135
Kepemilikan_Institusional .147
.212 .145
.690 .496
KMSRIS -.525
.472 -.234
-1.114 .276
DAR -.272
.247 -.256
-1.102 .281
SIZE .011
.015 .158
.753 .459
a. Dependent Variable: absut
Sumber: Hasil Olahan SPSS 2015 Hasil dari uji glesjer menunjukkan tidak satupun variabel independen yang
signifikan secara statistik mempengaruhi variabel dengan absolute Ut absUt. Hal ini terlihat dari probabilitas signifikansinya diatas tingkat kepercayaan 5, jadi disimpulkan
model regresi tidak mengarah adanya heterokedastisitas. 3.
Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini biasanya terjadi pada data times series. Karena pengganggu pada
suatu data cenderung mengganggu data lainnya.
63
Tabel 4.12 Hasil uji autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .741
a
.548 .458
.395825 1.931
a. Predictors: Constant, SIZE, Kepemilikan_Institusional, KMSRIS, Kepemilikan_Manajerial, DAR
b. Dependent Variable: ATO
Sumber: Hasil Olahan SPSS 2015 Pada Tabel 4.12 terlihat bahwa Durbin-Watson DW adalah 1.931. Nilai Durbin
Watson berada diantara 1.66 – 2.34 . Maka pengambilan keputusannya adalah tidak ada autokorelasi.
Regresi berganda secara implisit bergantung pada asumsi bahwa variabel – variabel bebas dalam persamaan tersebut tidak saling berkorelasi. Koefisien – koefisien
regresi biasanya diinterpretasikan sebagai ukuran perubahan variabel terikat jika salah satu variabel bebasnya naik sebesar satu unit dan seluruh variabel bebas lainnya dianggap
tetap. Namun , interpretasi ini menjadi tidak benar apabila terdapat hubungan linear
antara variabel bebas Tabel 4.13
Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.717 .587
1.220 .234
Kepemilikan_Manajerial 1.557
1.298 .192
1.199 .242
.702 1.424 Kepemilikan_Institusional
1.279 .382
.504 3.344
.003 .796 1.257
KMSRIS -2.881
.849 -.513 -3.393
.002 .791 1.265
DAR -1.121
.445 -.420 -2.517
.019 .647 1.545
SIZE .059
.027 .335
2.220 .036
.795 1.258 a. Dependent Variable: ATO
Sumber: Hasil Olahan SPSS 2015
64
Tabel 4.6 menunjukkan bahwa nilai tolerance 0.1 dan nilai VIF 10 yang berarti bahwa tidak terjadi multikolinearitas.
4. Analisis Regresi Berganda
Regresi linear berganda ditujukan untuk menentukan hubungan linier antar beberapa variabel bebas dengan variabel terikat. Model persamaan untuk menjawab
hipotesisnya adalah sebagai berikut :
ATO = 0.717 + 1.557KepMan + 1.279KepIn – 2.881Kmsrs – 1.121Lev + 0.059Size + e
Interpretasi persamaan di atas adalah sebagai berikut : 1.
Konstanta sebesar 0.717 menunjukkan bahwa jika variabel dependen ukuran dewan komisaris independen, kepemilikan manajerial dan kepemilikan institusional
diasumsikan konstan maka nilai ATO akan naik sebesar 0.717. Dengan masuknya leverage dan ukuran perusahaan membuat nilai konstanta ATO semakin menurun. Hal
ini disebabkan adanya hutang akan mengancam posisi manajer, serta semakin besarnya ukuran perusahaan tentu saja diperlukan pengawasan yang lebih besar.
2. Koefisien kepemilikan manajerial sebesar 1.557 menunjukkan bahwa setiap kenaikan
kepemilikan manajerial sebesar 1 kompisisi maka ATO perusahaan akan meningkat sebesar 1.5577 dengan asumsi variabel lain tetap variabel lain sama dengan nol.
3. Koefisien kepemilikan institusional sebesar 1.279 menunjukkan bahwa setiap
kenaikan kepemilikan manajerial sebesar 1 maka ATO perusahaan akan meningkat sebesar 1.279 dengan asumsi variabel lain tetap variabel lain sama dengan nol.
4. Koefisien ukuran dewan komisaris independen sebesar – 2.881 menunjukkan bahwa
setiap pertambahan 1 kompisisi dewan komisaris independen maka ATO perusahaan
65
akan menurun sebesar 2.881 dengan asumsi variabel lain tetap variabel lain sama dengan nol.
5. Koefisien leverage sebesar – 1.121 menunjukkan bahwa setiap kenaikan leverage
sebesar 1 maka ATO perusahaan akan meningkat sebesar 1.121 dengan asumsi variabel lain tetap variabel lain sama dengan nol.
6. Koefisien ukuran perusahaan sebesar 0.059 menunjukkan bahwa setiap kenaikan
ukuran perusahaan maka ATO perusahaan akan meningkat sebesar 0.051 dengan asumsi variabel lain tetap variabel lain sama dengan nol.
4.3.4. Pengujian Hipotesis Dengan Variabel Kontrol