dan nilai mean 47.2857. Standar deviation simpanan baku variabel ini 8.19988.
d. Variabel perbandingan frekuensi rapat X
3
memiliki sampel N sebanyak 28, dengan nilai minimum 12.00, nilai maksimum 14.00
dan nilai mean 12.2857. Standar deviation simpanan baku variabel ini 0.75593.
4.4.2 Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis menggunakan regresi linier berganda, ada beberapa uji asumsi klasik yang harus dipenuhi
agar kesimpulan dari regresi tersebut tidak bias, yaitu uji normalitas, uji multikolinieritas, uji heteroskodesitas dan uji Autokorelasi
.
4.4.2.1 Uji Normalitas
Uji ini digunakan untuk mengetahui apakah data sampel yang diambil mengikuti sebaran distribusi normal atau tidak. Pengujian
dilakukan berdasarkan uji normalitas Kolmogorov-Smirnov yang
ditunjukkan pada tabel 4.7 berikut :
Universitas Sumatera Utara
Tabel 4.7 Hasil Uji Normalitas
X1 X2
X3 N
Norma Parameters
a,b
Mean Std. Deviation
Most Extreme Differences Absolute Positive
Negative Kolmogorov –Smirnov-Z
Asymp. Sig. 2-tailed 28
.0000000 2.20299434
.209 .140
-.209 1.109
.173 28
3.7879000 2.14686000
.258 .259
-232 .682
.741 28
3.1048000 1.86263000
.162 .162
-.145 .428
.993 a. Test distribution is Normal
b. Calculated from data
Sumber : data diolah peneliti, 2014 Dari perhitungan pada tabel 4.7 diatas, terlihat bahwa nilai X
1
ukuran dewan komisaris, X
2
frekuensi rapat dan X
3
ukuran komite audit masing-masing sebesar 0.173, 0.741 dan 0.993 Asymp. Sig. 2-
tailed. Ketiga nilai tersebut lebih besar dari 0.05 sehingga data yang digunakan dapat dikatakan berdistribusi normal serta dapat disimpulkan
bahwa X
1
, X
2
dan X
3
dapat memenuhi uji normalitas. Untuk menegaskan hasil perhitungan Tes Kolmogorov-Smirnov sampel
tunggal diatas, digunakan juga Histogram dan Normal P-Plot. Dari grafik hasil pengujian normalitas melalui histrogram terlihat
bahwa residual terdistribusi secara normal dan berbentuk simetris tidak menceng ke kanan ataupun ke kiri dan pada grafik hasil pengujian
normalitas melalui normal probility plots titik-titik menyebar berhimpit di sekitar diagonal hal ini menunjukan bahwa residual berdistribusi
secara normal. Jadi dapat disimpulkan secara keseluruhan bahwa model regresi memenuhi syarat uji normalitas, sehingga model regresi layak
Universitas Sumatera Utara
dipakai untuk prediksi variabel dependen berdasarkan masukan variabel independennya.
Gambar 4.1 Histogram Sumber : data diolah peneliti, 2014
Pada grafik histogram terlihat bahwa variabel berdistribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak miring ke kiri atau
ke kanan.
Sumber : Hasil pengolahan data primer dengan SPSS 19.0 tahun 2014 data diolah
Gambar 4.2 Normal P-Plot Sumber : data diolah peneliti, 2014
Universitas Sumatera Utara
Berdasarkan gambar di atas dapat disimpulkan bahwa data dalam penelitian ini memenuhi syarat normal probability plot sehingga
model regresi dalam penelitian memenuhi asumsi normalitas berditribusi normal.
4.4.2.2 Multikolinearitas