LN_Keahlian AnggotaKomite
Audit 168
-.92 .00
-.3395 .17745
LN_Jumlah PertemuanAnggota
KomiteAudit 168
1.79 4.06
2.7837 .49680
LN_Manajeman aba 168
3.66 7.63
6.2109 .79181
Valid N listwise 168
Sumber: Hasil Analisis Data Pada Tabel 5.5 setelah dilakukan transformasi, terlihat bahwa standart
deviasi masing-masing variabel mempunyai nilai yang lebih kecil dari rata-rata variabel yang diteliti. Hal ini menunjukkan bahwa data telah terdistribusi normal.
5.1.5 Hasil Pengujian Asumsi Klasik Setelah Transformasi
Dalam menghasilkan model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi
penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
5.1.5.1Pengujian Normalitas Data
Uji normalitas bertujuan untuk menguji dalam model regresi, variabel residual memiliki distribusi normal. Untuk menguji distribusi data normal atau
tidak, ada dua cara untuk mendeteksinya, yaitu dengan analisis grafik dan uji
Universitas Sumatera Utara
statistik. Analisis grafik merupakan cara yang termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data
observasi dengan distribusi yang mendekati distribusi normal.Grafik normal Probability plot dapat dilihat pada Gambar 5.2 berikut ini:
Gambar 5.2 Normal PP Plot Residual Model
Pada Gambar 5.2 dapat dilihat titik-titik mendekati garis diagonal. Hal ini menunjukkan model regresi telah memenuhi asumsi normalitas.
Uji normalitas dengan analisis statistik dapat dilihat dari Kolmogrov- Sumirnov K-S Pada Tabel 5.6:
Tabel 5.6 Hasil Pengujian Normalitas Model dengan One-Sample
Kolmogorov Sumirnov Setelah Transformasi One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
Universitas Sumatera Utara
N 168
Normal Parameters Mean
a,b
.0000000 Std. Deviation
.76426483 Most Extreme Differences Absolute
.057 Positive
.037 Negative
-.057 Kolmogorov-Smirnov Z
.738 Asymp. Sig. 2-tailed
.648 a. Test distribution is Normal.
b. Calculated from data. Sumber: Hasil Analisis Data
Berdasarkan Tabel 5.6 hasil uji kolmogrov-sumirnov yakni nilai signifikansi diatas 0,05 dengan nilai asymp.Sig 2-tailed sebesar 0,648. Hal ini
menunjukkan bahwa data penelitian berdistribusi normal.
5.1.5.2Hasil Pengujian Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji model regresi ditemukan adanya korelasi antar variable bebas independen. Jika variabel independen
saling berkorelasi, maka variable-variabel ini tidak ortogonal. Variable orthogonal adalah variabel independen yang nilai korelasi antar sesama variabel
independen sama dengan nol Ghozali, 2006. Dalam mengetahui apakah terjadi multikolinearitas dapat dilihat dari nilai VIF yang terdapat pada Tabel 5.7:
Tabel 5.7 Hasil Pengujian Asumsi Multikolinieritas
Universitas Sumatera Utara
Model Collinearity
Statistic Keterangan
Tolerance VIF
1 Constant LN_Kepemilikan
Institusional 0,737
1,356 Tidak terjadi Multikolonieritas
LN_Kepemilikan Manajerial
0,814 1,228
Tidak terjadi Multikolonieritas LN_Komite Audit
0,875 1,143
Tidak terjadi Multikolonieritas LN_Keahlian Anggota
Komite Audit 0,890 1,124 Tidak terjadi Multikolonieritas
LN_Jumlah Pertemuan Anggota Komite Audit 0,720
1,389 Tidak terjadi Multikolonieritas
Sumber: Hasil Analisis Data Pada Tabel 5.7 menunjukkan bahwa tidak terjadi korelasi antar variabel
independen artinya tidak terjadi multikolinieritas. Suatu model regresi dinyatakan bebas dari multikolinearitas jika mempunyai nilai Tolerance lebih besar sama
dengan 0,1 dan nilai VIF lebih kecil sama dengan 10. Dari tabel tersebut diperoleh bahwa semua variabel bebas memiliki nilai Tolerance lebih besar sama dengan
0,1 dan nilai VIF lebih kecil sama dengan 10 dengan demikian tidak terjadi gejala multikolinearitas pada variabel independen yang diteliti.
5.1.5.3Hasil Pengujian Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada tidaknya korelasi antara
Universitas Sumatera Utara
kesalahan pengganggu pada periode tertentu dengan kesalahan pengganggu periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari
autokorelasi. Uji autokorelasi dapat dilakukan dengan pengujian Durbin-Watson DW. Hasil ujia utokorelasi dapat dilihat pada Tabel 5.8:
Tabel 5.8 Hasil Pengujian Asumsi Autokorelasi Model
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .261
a
.068 .040
.77597 2.121
Sumber: Hasil Analisis Data
Pada Tabel 5.8 dapat diketahui bahwa nilai dari Durbin-Watson menunjukkan tidak terjadi autokorelasi, karena berada pada kisaran angka 1
sampai dengan 2. Tabel di atas menunjukkan bahwa nilai DW-statistik yang didapatkan sebesar 2,121 Dengan demikian dapat disimpulkan bahwa nilai
du DW 4 atau 1 2.121 4 . Hal ini menunjukkan tidak terjadi autokorelasi positif atau negatif pada model regresi yang digunakan.
5.1.5.4Hasil Pengujian Heterokedastisitas
Uji heterokedastisitas dalam penelitian ini dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel terkait ZPRED dengan residualnya
SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola
Universitas Sumatera Utara
tertentu yang teratur maka mengindikasikan telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka
0 pada sumbu Y maka tidak terjadi heterokedastisitas. Di mana Y adalah nilai residual dan X adalah nilai yang telah diprediksi. Grafik scatterplot dapat dilihat
pada Gambar 5.3:
Gambar 5.3: Grafik Uji Heteroskedastisitas
Berdasarkan hasil uji heteroskedastisitas pada scatterplot bahwa tidak terjadi heteroskedastisitas, terlihat dari kurva menyebar dibawah titik 0 dan diatas
titik 0. Hal ini menunjukkan model regresi layak digunakan.
5.2 Hasil Pengujian Hipotesis Pertama 5.2.1 Persamaan Regresi
