sampel memiliki nilai perusahaan yang positif dan sangat bervariasi. Rata-rata dan nilai tengah dari nilai perusahaan memiliki jarak yang jauh antara nilai tertinggi
dengan nilai terendahnya. Statistik deskriptif di atas belum mampu memberikan gambaran yang jelas
sehingga diperlukan pengujian lebih lanjut. Hal ini sesuai dengan tujuan statistik deskriptif yang hanya memberikan gambaran awal terhadap penelitian yang akan
dilakukan.
5.2. Analisis Data
Penelitian ini menggunakan metode analisis data regresi berganda. Model regresi yang dirancang untuk menguji apakah ada pengaruh signifikan antara variabel
bebas terhadap variabel terikatnya dan manajemen laba berpengaruh memperkuat atau memperlemah hubungan antara variabel terikat dengan variabel bebasnya.
5.2.1. Pengujian data
Pengujian data pada penelitian ini terdiri dari: 1.
Uji asumsi klasik 2.
Pengujian hipotesis
5.2.1.1. Uji asumsi klasik Sebelum dilakukan pengujian hipotesis, maka perlu dilakukan uji asumsi
klasik. Dikarenakan uji yang digunakan adalah regresi logistik, dimana uji ini mengabaikan uji normalitas dan uji heteroskedastisitas, maka uji asumsi klasik yang
digunakan meliputi :
Universitas Sumatera Utara
a. Uji Normalitas
b. Uji Multikolinearitas
c. Uji Heterokedastisitas
d. Uji Autokorelasi
5.2.1.1.1 Uji normalitas Pengujian Normalitas dilakukan untuk melihat apakah nilai residual yang
diperoleh dari model mengikuti distribusi normal atau tidak. Hasil pengujian menunjukkan residual berdistribusi normal. Hal ini dapat dilihat dari grafik normal
PP Plot pada gambar 5.1.
Gambar 5.1. Normal PP Plot Residual
Dari gambar 5.1. dapat dilihat titik-titik berada di sekitar garis diagonal. Titik- titik yang menyebar disekitar garis diagonal menunjukkan residual berdistribusi
normal. Uji normalitas juga dapat dilihat dengan menggunakan uji one sample kolmogorov-smirnov seperti Tabel 5.2.
Universitas Sumatera Utara
Tabel 5.2 Hasil Uji Normalitas dengan Uji One Sample Kolmogorov-Smirnov
Dari Tabel 5.2, besarnya nilai Kolmogorov-Smirnov Z adalah 0.822 dan nilai signifikansi sebesar 0,509
α 0,05. Dengan demikian dapat disimpulkan H diterima,
tidak ada perbedaan distribusi residual dengan distribusi normal, atau dapat dikatakan residual berdistribusi normal.
5.2.1.1.2. Uji multikolinearitas Hasil pengujian asumsi Multikolinieritas menunjukkan di dalam model tidak
terjadi Multikolinieritas. Hal ini dapat dilihat dari matriks korelasi antara variabel bebas pada Tabel 5.3.
Unstandardized Residual
N 60
Normal Parameters
a
Mean .0000000
Std. Deviation 1.86766354
Most Extreme Differences
Absolute .106
Positive .106
Negative -.071
Kolmogorov-Smirnov Z .822
Asymp. Sig. 2-tailed .509
Universitas Sumatera Utara
Tabel 5.3. Matriks Korelasi Variabel Bebas
Y KI
KM KDK UDK KA
KuA Pearson
Correlation Y
1.000 .259 -.039 .109
-.361 .027 -.369
KI .259
1.000 -.028 .116 -.336 -.188 -.160
KM -.039 -.028 1.000 -.159 -.119 -.036 -.132
KDK .109 .116
-.159 1.000 -.300 -.068 .099 JDK -.361 -.336 -.119 -.300 1.000 -.365 .097
KA .027
-.188 -.036 -.068 -.365 1.000 -.010 KuA -.369 -.160 -.132 .099
.097 -.010 1.000
Sig. 1- tailed
Y .
.023 .382
.203 .002
.418 .002
KI .023
. .415
.188 .004
.075 .111
KM .382
.415 .
.112 .183
.394 .158
KDK .203 .188
.112 .
.010 .303
.226 JDK .002
.004 .183
.010 .
.002 .230
KA .418
.075 .394
.303 .002
. .470
KuA .002 .111
.158 .226
.230 .470
. N
Y 60
60 60
60 60
60 60
KI 60
60 60
60 60
60 60
KM 60
60 60
60 60
60 60
KDK 60 60
60 60
60 60
60 JDK 60
60 60
60 60
60 60
KA 60
60 60
60 60
60 60
KuA 60 60
60 60
60 60
60
Dari hasil analisis dapat dilihat korelasi antara variabel bebas dibawah 0.95, maka dapat dikatakan tidak terjadi multikolinieritas yang serius Ghozali, 2009. Cara
lain untuk menentukan adanya multikolinieritas juga dapat diketahui dengan melihat VIF dan nilai tolerance yang diperoleh. Dari hasil pengujian diperoleh nilai VIF yang
lebih kecil dari 10 dan nilai tolerance yang lebih besar dari 0,10 sehingga disimpulkan bahwa tidak terjadi multikolinieritas. Nilai VIF dan tolerance untuk
masing-masing variabel dapat dilihat pada Tabel 5.4.
Universitas Sumatera Utara
Tabel 5.4 Tabel Variance Inflation Factor VIF
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta Tolerance VIF
1 Constant 12.243 4.149
2.951 .005 KI
.952 2.096
.062 .454
.652 .745
1.342 KM
-153.486 147.110
-.129 -1.043 .302
.902 1.109
KDK .050
4.142 .002
.012 .990
.813 1.231
JDK -.364
.156 -.358
-2.325 .024 .578
1.730 KA
-.165 .231
-.099 -.714 .479
.705 1.418
KuA -5.806
2.047 -.342
-2.836 .006 .942
1.061 a. Dependent Variable: Y
5.2.1.1.3. Uji heteroskedastisitas Hasil pengujian asumsi heteroskedastisitas menunjukkan di dalam model
tidak terjadi heteroskedastisitas. Hal ini dapat dilihat dari gambar 5.2. berikut, di mana titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu.
Gambar 5.2 Scatterplot Uji Heteroskedastisitas
Universitas Sumatera Utara
5.2.1.1.4 Uji Autokolerasi Autokolerasi adalah masalah statistik dalam model yang ditunjukkan oleh
adanya hubungan antara variasi error antara berbagai periode waktu penelitian. Gejala ini dapat timbul dalam penelitian time series. Berdasarkan pengujian
autokolerasi dengan menggunakan pengujian Durbin-Watson, diperoleh nilai d untuk persamaan regresi yang diajukan sebesar 2,082. Model yang tidak memiliki
autokolerasi jika dl d du 4 – dl atau dalam persamaan ini untuk n sebanyak 100, α = 5 , dan k = 4 maka dl = 0,192 dan du = 3,808 4 – 0,192 sehingga 0,192
2,082 3,808. hal ini berarti variabel gangguan antara satu periode dengan periode lain tidak saling berkolerasi. Berdasarkan pengujian ini, persamaan regresi yang
diajukan sudah dapat dianalisa dengan baik. Hasil pengujian Autokolerasi dapat dilihat pada Tabel 5.5.
Tabel 5.5. Pengujian Autokolerasi
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .523
a
.274 .192
1.97055 2.082
5.3. Pengujian Hipotesis 5.3.1. Hasil pengujian hipotesis pertama
