data = 582,9778, rata-rata mean sebesar = -545,934 dan simpangan baku standard deviation = 669,77523.
5.2. Analisis data
Untuk menghasilkan analisis data yang akurat, suatu persamaan regresi sebaiknya memenuhi semua asumsi klasik.
5.2.1. Uji Asumsi Klasik
Asumsi-asumsi klasik yang harus dipenuhi antara lain: uji normalitas data, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
5.2.1.1. Uji normalitas data Uji ini dilakukan untuk dapat memastikan apakah data berdistribusi normal
di sepanjang garis diagonal. Uji ini dilakukan melalui analisis grafik dan uji statistik yang dihasilkan melalui perhitungan regresi software SPSS.
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
pe c
te d
C um
P ro
b Dependent Variable: KK
Normal P-P Plot of Regression Standardized Residual
Sumber: Output Pengolahan SPSS
Gambar 5.1. Output Normalitas
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
a. Uji Grafik
Berdasarkan Gambar 5.1, di mana P-P Plot of Regresion Standardized residual membentuk plot dengan sebaran plot berbentuk linear dan tertumpu pada sekitar
garis diagonal. Hal ini merupakan indikasi bahwa residual menyebar normal. b.
Uji Statistik Untuk menguji normalitas data, uji statistik yang digunakan adalah uji Kolmogorov-
Smirnov Test, dengan ketentuan jika signifikan hitung 0,05 maka data berdistribusi normal, demikian sebaliknya jika signifikan 0,05 maka data tidak berdistribusi
normal. Hasil yang diperoleh terlihat pada Tabel 5.2 menjelaskan bahwa nilai Asymp.Sig. 2-tailed adalah 0,784 dan diatas nilai signifikansi, dengan kata lain
bahwa variabel residual berdistribusi normal.
Tabel 5.2. One-Sample Kolmogorov-Smirnov Tes
Unstandardized Residual
N 60
Normal Parametersa,b Mean
,0000000 Std. Deviation
,12312198 Most Extreme Differences
Absolute ,085
Positive ,085
Negative -,060
Kolmogorov-Smirnov Z ,655
Asymp. Sig. 2-tailed ,784
a Test distribution is Normal. b Calculated from data.
Sumber: Output Pengolahan SPSS
5.2.1.2. Uji multikolinearitas Uji multikolinearitas ini dilakukan untuk mengetahui apakah ada kemiripan antar
variabel independen dalam satu model. Kemiripan antar veriabel ini akan menyebabkan terjadinya korelasi yang sangat kuat antara suatu variabel dengan variabel independen
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
lainnya. Uji multikolinearitas dapat dihasilkan dengan menggunakan software SPSS, seperti terlihat pada Tabel 5.3.
Tabel 5.3. Tolerance dan VIF Coefficient Sig
Collinearity Statistik
Model Tolerance
VIF
1 Constant
.121 KI
.016 .321
3.111 KM
.304 .409
2.447 KomI
.125 .843
1.187 UDK
.014 .562
1.781 KA
.098 .618
1.619
a. Dependent variabel: KK
Sumber: Output Pengolahan SPSS
Menurut Ghozali 2005, batas tolerance adalah 0,01 dan batas VIF adalah 10. Di mana: Tolerance value 0,01 atau VIF 10, terjadi multikolinearitas.
Tolerance value 0,01 atau VIF 10, tidak terjadi multikolinearitas. Berdasarkan hasil yang ada pada Tabel 5.3 menunjukkan bahwa variabel independen
yaitu: Kepemilikan Institusional KI, Kepemilikan Manajerial KM, Komposisi Dewan Komisaris Independen KomI, Ukuran Dewan Komisaris UDK dan Komite Audit KA
memiliki angka Variance Inflation Factor VIF di bawah 10. Dengan demikian dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model
regresi.
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
5.2.1.3. Uji heteroskedastisitas Uji ini dilakukan untuk melihat apakah dalam model regresi terjadi ketidaksamaan
variabel dari residual satu pengamatan ke pengamatan lainnya. Mendeteksi ada atau tidak heteroskedastisitas dengan melihat grafik Scatter Plot. Jika titik-titik membentuk pola
tertentu, berarti terjadi heteroskedastisitas; jika titik-titik menyebar di atas dan di bawah angka 0, maka tidak terjadi heteroskedastisitas.
2 1
-1 -2
Regression Standardized Predicted Value
3 2
1 -1
-2
R eg
re ss
io n
S tu
d en
ti ze
d R
es id
u al
Dependent Variable: KK Scatterplot
Sumber: Output Pengolahan SPSS
Gambar 5.2. Output Scatter Plot
Hasil pengujian heteroskedastisitas pada penelitian ini dengan cara mengamati pola yang terdapat pada Scatter Plot seperti terlihat pada Gambar 5.2. Pada gambar tersebut
terlihat bahwa titik-titik menyebar baik diatas maupun di bawah angka 0 pada sumbu Y. Hasil ini berarti tidak terjadi heteroskedastisitas pada model regresi.
5.2.1.4. Autokorelasi Uji ini dilakukan untuk melihat apakah terjadi korelasi antara kesalahan pengganggu
residual pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Dalam penelitian, untuk menguji ada atau tidaknya autokorelasi digunakan uji Durbin-
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
Watson DW-test. Jika nilai Durbin Watson berada diantara -2 sampai +2 berarti tidak ada autokorelasi Santoso, 2003.
Hasil pengujian Durbin Watson dalam penelitian ini adalah 1.198 seperti terlihat pada Tabel 5.4. Nilai 1.198 ini berada diantara -2 sampai +2, dengan demikian disimpulkan
bahwa tidak terjadi autokorelasi antar variabel independen yang diteliti.
Tabel 5.4. Autokorelasi dengan Durbin-Watson Model
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .505a
.255 .186
.1288762 1.198
a. Predictors: Constant, KA, UDK, KomI, KM, KI
b. Dependent variabel: KK
Sumber: Output Pengolahan SPSS
5.3. Interpretasi Hasil Pengujian Hipotesis