Pengujian Asumsi Klasik Analisis Hasil Penelitian

15. NIPS Nipress Tbk 16. ROTI Nippon Indosari Corporindo Tbk 17. SMCB Holcim Indonesia Tbk 18. SMSM Selamat Sampoerna Tbk 19. TCID Mandom Indonesia Tbk 20. UNVR Unilever Indonesia Tbk Sumber : Bursa Efek Jakarta

4.2. Analisis Hasil Penelitian

4.2.1. Pengujian Asumsi Klasik

4.2.1.1.Uji Normalitas Pengujian terhadap asumsi klasik normalitas bertujuan untuk mengetahui apakah resudial data dari model regresi linear memiliki distribusi normal ataukah tidak. Jika resudial data tidak terdistribusi dengan normal maka kesimpulan statistik menjadi tidak valid atau bias. Dalam penelitian ini ada dua cara untuk mendeteksi resudial data yaitu dengan analisis grafik normal probability plot dan grafik histogram dan uji Kolmogorov-Smirnov. Berikut ini hasil uji normalitas. Universitas Sumatera Utara Gambar 4.1. Grafik Normal Probability Plot Dari grafik normal probability plot di atas dapat dilihat bahwa titik- titik plot menyebar di sekitar garis diagonal. Hal ini dapat disimpulkan bahwa data yang digunakan terdistribusi normal atau memenuhi asumsi klasik normalitas. Universitas Sumatera Utara Gambar 4.2. Grafik Histogram Dari grafik histogram di atas dapat diketahui bahwa grafik memiliki pola distribusi normal karena bentuknya yang simetris. Namun demikian dengan melihat grafik normal probability plot dan grafik histogram saja tidaklah cukup. Untuk itu dilakukan uji Kolmogorov- Smirnov untuk memastikan apakah data normal atau tidak. Universitas Sumatera Utara Tabel 4.2. Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 60 Normal Parameters a,b Mean .0000000 Std. Deviation 13.10126291 Most Extreme Differences Absolute .155 Positive .113 Negative -.155 Kolmogorov-Smirnov Z 1.200 Asymp. Sig. 2-tailed .112 a. Test distribution is Normal. b. Calculated from data. Dari hasil uji Kolmogorov-Smirnov di atas diperoleh nilai Asymp. Sig. 2-tailed sebesar 0.112. Karena Asymp. Sig. 2-tailed 0.05, maka dapat disimpulkan bahwa data terdistribusi normal. 4.2.1.2.Uji Multikolinearitas Pengujian terhadap asumsi klasik multikolinearitas bertujuan untuk mengetahui apakah ada atau tidaknya korelasi antara variabel independen dalam model regresi. Cara umum yang digunakan untuk mendeteksi ada tidaknya problem multikolinearitas adalah dengan melihat nilai Tolerance dan VIF Variance Inflation Factor. Berikut ini hasil uji multikolinearitas. Universitas Sumatera Utara Tabel 4.3. Tolerance dan VIF Variance Inflation Factor Coefficients a Model Unstandardized Coefficients Collinearity Statistics B Std. Error Tolerance VIF 1 Constant 68.481 21.623 UkuranPerusahaan 4.568 2.638 .930 1.076 UkuranKAP -14.887 4.510 .926 1.080 JenisOpini -15.405 13.590 .996 1.004 a. Dependent Variable: AuditReportLag Dari hasil uji multikolinearitas di atas diperoleh nilai Tolarance 0.10 dan nilai VIF 10, maka dapat disimpulkan bahwa data memenuhi uji asumsi klasik multikolinearitas. 4.2.1.3.Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah variance dari residual satu pengamatan ke pengamatan yang lainnya berbeda atau tetap. Ada beberapa cara untuk mendeteksi problem heteroskedastisitas yaitu dengan grafik scatterplot dan uji statistik glejser. Berikut ini hasil uji heteroskedastisitas. Universitas Sumatera Utara Gambar 4.3. Grafik Scatterplot Dari grafik scatterplot di atas dapat dilihat bahwa titik-titik tidak berkumpul pada satu tempat. Hal ini mengindikasikan bahwa pada data tidak terjadi problem heteroskedastisitas sehingga memenuhi asumsi klasik heteroskedastisitas. Namun analisis menggunakan grafik scatterpolt memiliki kelemahan karena tergantung pada jumlah sampel. Oleh karena itu dibutuhkan teknik lain yang lebih akurat untuk mendeteksi ada atau tidaknya problem heteroskedastisitas yaitu dengan melakukan uji statistik glejser. Universitas Sumatera Utara Tabel 4.4. Uji Statistik Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .042 15.621 .003 .998 UkuranPerusahaan .198 1.906 .014 .104 .917 UkuranKAP -1.363 3.258 -.058 -.418 .677 JenisOpini 8.781 9.818 .119 .894 .375 a. Dependent Variable: Glejser Dari hasil uji glejser di atas diperoleh nilai signifikansi untuk variabel 0.05. Oleh karena itu, dapat disimpulkan bahwa data memenuhi asumsi klasik heteroskedastisitas. 4.2.1.4.Uji Autokorelasi Uji autokorelasi bertujuan untuk mengetahui apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada satu pengamatan ke pengamatan yang lainnya. Ada beberapa cara yang dapat digunakan yaitu dengan melakukan uji statistik Durbin- Watson, uji Runs Test. Berikut ini hasil uji autokorelasi. Universitas Sumatera Utara Tabel 4.5. Uji Durbin-Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .428 a .183 .139 13.448 1.778 a. Predictors: Constant, JenisOpini, UkuranPerusahaan, UkuranKAP b. Dependent Variable: AuditReportLag Dari hasil analisis di atas diperoleh nilai DW statistik sebesar 1.778. Jumlah variabel yang digunakan ada dua k = 4 dengan sampel n = 60, maka diperoleh nilai DW tabel sebesar 1.727. Karena nilai DW statistik lebih besar dari nilai tabel yaitu 1.778 1.727, maka dapat disimpulkan bahwa data tidak terdapat problem autokorelasi. Selanjutnya dilakukan uji Runs Test untuk memastikan apakah data terdapat problem autokorelasi atau tidak. Tabel 4.6. Uji Runs Test Runs Test Unstandardized Residual Test Value a -.76493 Cases Test Value 30 Cases = Test Value 30 Total Cases 60 Number of Runs 30 Z -.260 Asymp. Sig. 2-tailed .795 a. Median Dari hasil uji statistik Runs Test di atas diperoleh nilai signifikansi 0.795. Artinya nilai signifikansi 0.795 0.05, maka dapat Universitas Sumatera Utara disimpulkan bahwa data tidak terdapat problem autokorelasi atau memenuhi asumsi klasik autokorelasi.

4.2.2. Pengujian Hipotesis