Uji Asumsi Klasik Hasil Analisis Regresi Linier Berganda 1. Uji Normalitas

sendirinya variabel kepemilikan manajerial X 1 , komisaris independen X 2 , komite audit X 3 , kepemilikan institusional X 4 dan praktik manajemen laba earnings management Y juga berdistribusi normal.

4.3.2. Uji Asumsi Klasik

Untuk mendukung keakuratan hasil model regresi, maka perlu dilakukan penelusuran terhadap asumsi klasik yang meliputi asumsi multikolinieritas, heteroskedastisitas dan autokorelasi.

1. Uji

Multikolinieritas Adapun besaran VIF dari masing-masing variabel bebas adalah sebagai berikut : Tabel 4.9 : Hasil VIF Variance Inflation Factor Variabel Bebas VIF Kepemilikan manajerial X 1 Komisaris independen X 2 Komite audit X 3 Kepemilikan institusional X 4 1,469 1,141 1,026 1,321 Sumber : Lampiran 5 Berdasarkan tabel 4.8 menunjukkan bahwa nilai VIF pada variabel kepemilikan manajerial X 1 , komisaris independen X 2 , komite audit X 3 dan kepemilikan institusional X 4 kurang dari dari angka 10, maka dapat dikatakan bahwa model regresi yang dihasilkan tidak terjadi multikolinearitas. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2. Uji

Heteroskedastisitas Heteroskedastisitas dapat diidentifikasikan dengan cara menghitung koefisien korelasi Rank Spearman antara nilai residual dengan seluruh variabel bebas. Hasil dari uji Rank Spearman adalah sebagai berikut : Tabel 4.10 : Korelasi Rank Spearman Variabel Bebas Koefisien korelasi Rank Spearman Tingkat signifikansi Kepemilikan manajerial X 1 Komisaris independen X 2 Komite audit X 3 Kepemilikan institusional X 4 0,046 0,092 -0,046 0,049 0,831 0,669 0,833 0,821 Sumber : Lampiran 6 Berdasarkan tabel 4.9 menunjukkan bahwa tingkat signifikan pada variabel kepemilikan manajerial X 1 , komisaris independen X 2 , komite audit X 3 dan kepemilikan institusional X 4 lebih besar dari 5, maka dapat dikatakan bahwa model regresi yang dihasilkan tidak terjadi heteroskedastisitas

3. Uji Autokorelasi

Uji statistik yang digunakan untuk mengetahui ada tidaknya autokorelasi adalah uji Durbin Watson. Untuk mengetahui ada tidaknya gejala autokorelasi maka perlu dilihat tabel Watson dengan jumlah variabel bebas k dan jumlah data n sehingga diketahui d L dan d U maka dapat diperoleh distribusi daerah keputusan ada tidaknya autokorelasi. Nilai DW = 1,471 Lampiran 5 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. k = 4 n = 24 d L = 1,0131 Lampiran 7 d U = 1,7753 Lampiran 7 Nilai Durbin Watson yang dihasilkan berada diantara 1,0131 d U sampai dengan 2,2247 4-d U atau berada pada daerah tidak ada autokorelasi positif atau autokorelasi negatif, maka dapat dikatakan bahwa model regresi yang dihasilkan tidak terjadi autokorelasi.

4.3.3. Persamaan Regresi Linier Berganda