menggunakan anslisis grafik dan analisis statistik. Dalam analisis grafik, dilakukan dengan melihat grafik histogram dan normal probability plot.
Sedangkan dalam analisis statistic dilakukan dengan uji Kolmograv Smirnov Uji K-S. dasar pengambilan keputusannya adalah:
1 Jika tingkat signifikansinya 0,05, maka data terdistribusi normal. 2 Jika tingkat signifikansinya 0,05, maka data terdistribusi tidak
normal.
3.6.2.2 Uji Autokorelasi
Uji ini bertujuan melihat apakah dalam suatu model regresi linear ada korelasi atau kesalahan pengganggu pada periode t-1. Autokorelasi
muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lain, hal ini sering ditemukan pada time series. Pada
data cross section, masalah autokorelasi relative tidak terjadi. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin-Watson D-W.
UJI Dorbin Watson hanya degunakan untuk autokorelasi tingkat satu first order autocorrelation mensyaratkan adanya intercept
konstanta dalam model regresi tidak ada variabel lagi di antara variabel independen Imam Gozali, 2005:96. Pengembalian keputusan
ada tidaknya autokorelasi adalah: 1 Bila nilai DW terletak diantara batas atas atau upper bound du
dan 4-du maka doefisien autokorelasi = 0, berarti tidak ada autokorelasi.
Universitas Sumatera Utara
2 Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl maka koefisien autokorelasi 0, berarti ada
autokoralesi positif. 3 Bila nilai DW lebih besar dari 4-dl maka koefisien autokorelasi
0, berarti ada autokorelasi negatif. 4 Bila nilai DW terletak antara du dan dl atau DW terletak antara 4-
du dan 4-dl, maka hasilnya tidak dapat disimpulkan.
3.6.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidasamaan variance dari residual satu
pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut
homoskedastisitas jika berbeda tersebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedastisitas Erlina Mulyani, 2007; 108 Untuk mendeteksi ada tidaknya heteroskedastisitas pada suatu
model dapat dilihat dari grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID, dimana sumbu Y
adalah Y yang telah dipredeksi dan sumbu X adalah residual yang telah di
studentized. Dasar pengambilan keputusan adalah:
Universitas Sumatera Utara
1 Jika ada pola tertentu bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Imam Ghozali, 2005: 105
Uji asumsi klasik yang digunakan hanya terbatas pada ketiga uji di atas, sedangkan uji multikolinearitas tidak digunakan, karena
multikolinearitas merupakan suatu kondisi dimana terdapat korelasi antara variabel-variabel independen suatu penelitian, atau dengan kata
lain bersifat orthogonal. Variabel independen yang orthogonal adalah variabel yang memiliki nilai korelasi diantara sesamanya sama dengan
nol. Model regresi yang diguanakan penulis dalam penelitian ini hanya menggunakan satu variabel independen, yaitu Tata Kelola Perusahaan
maka uji multikolinearitas tidak dilakukan.
3.6.3 Persamaan Regresi