β1 = 0,315 menunjukkan bahwa ukuran perusahaan X1 berpengaruh positif, dapat apabila ada kenaikan ukuran perusahaan satu satuan
maka perataan laba akan mengalami kenaikan 0,315. β2 = -0,066 menunjukkan bahwa profitabilitas X2 berpengaruh negatif,
dapat diartikan apabila ada kenaikan profitabilitas satu satuan maka perataan laba akan mengalami penurunan -0,066.
β3 = -0,019 menunjukkan bahwa leverage operasi X3 berpengaruh negatif, dapat diartikan apabila ada kenaikan leverage operasi satu satuan
maka perataan laba akan mengalami penurunan 0,019.
4.3.2. Uji Normalitas
Dalam pengujian normalitas data dengan menggunakan uji Kolmogorov-Smirnov pada program SPSS, apabila nilai signifikan
probabilitas yang diperoleh lebih besar dari taraf signifikansi yaitu 0,05 5 maka data tersebut telah terdistribusi normal. Hasilnya dapat dilihat
pada tabel dibawah ini:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.6 : Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
27 .0000000
.39945036 .092
.092 -.087
.478 .976
N Mean
Std. Dev iat ion Normal Parameters
a,b
Absolute Positiv e
Negativ e Most Extreme
Dif f erences
Kolmogorov -Smirnov Z Asy mp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated f rom data. b.
Berdasarkan hasil pengujian yang tertera pada tabel diatas diperoleh hasil analisis bahwa variable Perataan Laba Y, Ukuran
Perusahaan X1 dan Profitabilitas X2, Leverage Operasi X3 berasal
dari data yang berdistribusi normal, karena nilai Asymp.Sig signifikansi sebesar 0,976 yang berarti lebih besar dari 0,05 5.
4.3.3. Uji Asumsi Klasik
Untuk mendapatkan model rgresi yang menghasilkan estimasi linear tidak bias yang artinya koefisien regresi pada persamaan tersebut
tidak bias, perlu dipenuhi beberapa asumsi yang disebut asumsi klasik. Beberapa asumsi klasik yang harus dipenuhi adalah:
1. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas atau independen
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Ghozali, 2009:95. Deteksi adanya Multikolinier adalah besarnya VIF Variance Inflation Factor, jika VIF melebihi angka 10, maka variabel
tersebut mengindikasikan adanya multikolinieritas Gujarati.
Tabel 4.7 : Uji Multikolinieritas
Coefficients
a
-1.898 1.217
-1.559 .133
.315 .112
.553 2.823
.010 .507
.721 1.387
-.066 .021
-.709 -3.222
.004 -.558
.572 1.749
-.019 .007
-.587 -2.818
.010 -.507
.638 1.568
Constant X1=UK. PERUSH
X2=PROFIT X3=LEVERAGE
Model 1
B Std.
Error Unstandardized
Coeff icients Beta
Standardized Coeff icients
t Sig.
Partial Correlati
ons Tolera
nce VIF
Collinearity Statistics
Dependent Variable: Y=PERATAAN LABA a.
Dalam pengujian asumsi klasik terhadap analisis regresi linier berganda ini menyatakan bahwa hasil analisis penelitian ini menunjukkan
tidak adanya gejala multikolinieritas dimana nilai VIF pada variabel tidak lebih besar dari 10 maka variabel ini disimpulkan tidak terdapat gejala
multikolinieritas dengan variabel independen lainnya. Dengan nilai VIF untuk Ukuran Perusahaan X1 = 1,387, Profitabilitas X2 = 1,749 dan
Leverage Operasi X3 = 1,568.
2. Uji Heteroskedastisitas
Penyimpangan asumsi model klasik yang lain adalah adanya heteroskedastisitas. Varian dari residual dari satu pengamatan ke
pengamatan lain mempunyai varian yang berbeda. Hal ini bisa diidentifikasi dengan menghitung korelasi Rank Spearman antara
Residual dengan seluruh variable bebas dengan hasil pada tabel berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.8 : Uji heteroskedastisitas Nonparametric Correlation
Correlations
1.000 .363
.234 .098
. .063
.239 .628
27 27
27 27
.363 1.000
-.540 .004
.063 .
.004 .986
27 27
27 27
.234 -.540
1.000 .026
.239 .004
. .899
27 27
27 27
.098 .004
.026 1.000
.628 .986
.899 .
27 27
27 27
Correlation Coef ficient Sig. 2-tailed
N Correlation Coef ficient
Sig. 2-tailed N
Correlation Coef ficient Sig. 2-tailed
N Correlation Coef ficient
Sig. 2-tailed N
X1=UK. PERUSH X2=PROFIT
X3=LEVERAGE Unstandardized Residual
Spearmans rho X1=UK.
PERUSH X2=PROFIT
X3= LEVERAGE
Unstandardiz ed Residual
Correlation is signif icant at the 0.01 lev el 2-tailed. .
Hasil analisis menunjukkan bahwa pada variabel Perataan Laba Y, Ukuran Perusahaan X
1
, Profitabilitas X
2
dan Leverage Operasi X
3
tidak mempunyai korelasi yang signifikan antara residual dengan variabel bebasnya tingkat signifikansi 0,05, maka hasil analisis ini
dapat disimpulkan
semua variabel
penelitian Tidak
terjadi Heteroskedastisitas. sehingga dapat disimpulkan bahwa semua variable
penelitian memenuhi asumsi Non Heteroskedastisitas.
3. Uji Autokorelasi
Autokorelasi yaitu adanya korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 sebelumnya.
Untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson DW dengan ketentuan sebagai berikut
Sulaiman, 2004:89:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1. 1,65 DW 2,35 menunjukkan tidak adanya autokorelasi.
2. 1,21 DW 1,65atau 2,35 DW 2,79 menunjukkan tidak
dapat disimpulkan. 3.
DW 1,21 atau DW 2,79 menunjukkan terjadinya autokorelasi
Tabel 4.9 : Uji Autokorelasi
Model Summary
b
.603
a
.364 .281
.425 2.067
Model 1
R R Square
Adjusted R Square
St d. Error of the Estimate
Durbin- Wat son
Predictors: Constant, X3=LEVERAGE, X1=UK. PERUSH, X2=PROFIT a.
Dependent Variable: Y =PERATAAN LABA b.
Hasil analisis uji asumsi klasik dalam mendeteksi adanya autokorelasi dalam penelitian ini menunjukkan bahwa tidak terjadi gejala
autokorelasi dengan angka Durbin Watson sebesar 2.067. Identifikasi gejala autokorelasi juga dapat dilakukan dengan kurva di bawah ini.
Gambar 4.1. Daerah Keputusan Autokorelasi
0 1.162 1.651 2.067 2.349 3.838
Daerah autokore
lasi negatif
Daerah keragu-
raguan Daerah
keragu- raguan
Daerah autokor
elasi positif
Tidak terjadi Autokorelasi
4
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Berdasarkan kurva diatas dapat kita lihat bahwa angka Durbin Watson sebesar 2.067 berada pada daerah yang menunjukkan tidak
terjadinya autokorelasi dengan dL sebesar 1.162 dan dU sebesar 1.1651. sedangkan 4-dU sebesar 2.349 dan 4-dL sebesar 3.838. Maka dapat
dinyatakan tidak terdapat autokorelasi antara variable bebas dan variable terikat.
4.3.4. Uji Hipotesis 4.3.4.1. Uji R
