Sumber: data penelitian yang diolah, 2010
Berdasarkan Gambar 4.1 dapat dilihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, dengan
demikian dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi dan model regresi layak dipakai untuk memprediksi vaariabel dependen
berdasarkan masukan variabel independen.
4.2.3 Goodness of Fit Model
Goodness of Fit digunakan untuk mengukur ketepatan fungsi regresi sampel dalam menaksir nilai aktual. Secara statistik, goodness of fit dapat diukur
dengan nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya
berada dalam daerah kritis, yaitu daerah dimana Ho ditolak Ghozali, 2005.
4.2.2.1 Koefisien Determinasi
Koefisien determinasi R
2
pada intinya mengukur kemampuan model dalam menerangkan variasi variabel independen. Secara umum koefisien
determinasi untuk data silang crossection relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtut waktu
timeseries biasanya mempunyai nilai koefisien determinasi yang tinggi Ghozali, 2005. Berikut adalah tabel hasil uji koefisien determinasi:
Tabel 4.6 Hasil Uji Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .295
a
.087 -.010
.00460595 2.071
a. Predictors: Constant, LDR, CAR, RORA, NPM, ROA b. Dependent Variable: AD
Sumber: data penelitian yang diolah, 2010
Nilai R Square diperoleh sebesar 0,087. Hal ini berarti bahwa hanya 8,7 variabel manajemen laba dapat dijelaskan oleh rasio CAMEL LDR, NPM, CAR,
RORA dan ROA. Sedangkan sisanya, 91,3 dijelaskan oleh variabel-variabel lain di luar penelitian. Standard Error of the Estimate sebesar 0,005. Nilai ini
sangat kecil, sehingga dapat disimpulkan model regresi dapat dengan tepat memprediksi variabel dependen Ghozali, 2005.
4.2.2.2 Uji Signifikansi Simultan Uji Statistik F
Uji statistik F pada dasarnya digunakan untuk menunjukkan apakah semua variabel independent atau bebas yang dimasukkan dalam model mempunyai
pengaruh secara bersama-sama terhadap variabel dependen.
Tabel 4.7 Hasil Uji Statistik F
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
Regression .000
5 .000
.899 .490
a
Residual .001
47 .000
1 Total
.001 52
a. Predictors: Constant, LDR, CAR, RORA, NPM, ROA b. Dependent Variable: AD
Sumber: data penelitian yang diolah, 2010
Berdasarkan Tabel 4.7 diperoleh nilai uji F sebesar 0,899 dengan probabilitas 0,490. Nilai F ini kurang dari 4 dan probabilitasnya diatas 0,05
sehingga model regresi tidak dapat digunakan untuk memprediksi Akrual Diskresioner AD atau dapat dikatakan bahwa rasio CAMEL secara bersama-
sama tidak berpengaruh terhadap Akrual Diskresioner.
4.2.2.3 Uji Signifikansi Parameter Individual Uji Statistik t
