BAB IV HASIL PENELITIAN
4.1 Hasil Penelitian
4.1.4. Asumsi Klasik
Dilakukan pengujian asumsi klasik untuk dapat menghasilkan hasil penelitian yang Best Linear Unbiased Estimation dan Minimum Estimation. Beberapa uji asums klasik yang digunakan pada penelitian ini adalah sebagai berikut:
Uji normalitas merupakan uji data yang menunjukkan bahwa data-data yang digunakan merupakan data yang terdistribusi secara normal. Normal atau tidak normalnya sebuah data dapat diketahui dari titik-titik yang digambarkan pada uji normalitas yang membentuk pola tertentu. Pada uji normalitas ini digunakan Kolmogrov Smirnov Test sebagai berikut:
Tabel 4.10
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 93
Normal Parametersa Mean .0000000
Std. Deviation .04448223
Most Extreme Differences Absolute .082
Positive .082
Negative -.070
Kolmogorov-Smirnov Z .789
Asymp. Sig. (2-tailed) .562
a. Test distribution is Normal.
Tabel 4.10 menunjukkan nilai sig. sebesar 0.562 dimana nilai sig. lebih besar dibandingkan dengan nilai alpha penelitian sebesar 0.05 sehingga dapat ditarik suatu kesimpulan bahwa data residual penelitian telah terdistribusi secara normal.
2. Uji Multikolinearitas
Multikolinearitas merupakan suatu hubungan yang sempurna antara beberapa variabel bebas dan model regresi. Uji ini dilakukan untuk mengetahui bahwa dalam model terdapat korelasi sempurna diantara masing-masing variabel bebasnya.
Variabel yang menyebabkan multikolineritas dapat dilihat nilai VIF (variance inflation factor) yang lebih besar dari 10, jika nilai VIF lebih kecil dari 10 maka dapat dikatakan tidak terjadi multikolinearitas. Pada penelitian ini diperoleh tolerance value
dan variance inflation factor yang terjadi pada tabel sebagai berikut: Tabel 4.11 Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 (Constant) Leverage .955 1.047 Ukuran_Perusahaan .935 1.069 Tenaga_Kerja .956 1.046 Kepemilikan_Saham .828 1.207 Pembiayaan_Internal .804 1.243 Proporsi_Komisaris .805 1.242
Pada tabel 4.11 di atas, untuk dapat melihat apakah variabel-variabel bebas mengalami hubungan multikolinearitas, dapat dilihat dari kolom Collinearity Statistics pada kolom Tolerance
dimana nilai Tolerance mendekati nilai 1, atau pada kolom VIF, dimana nilai VIF lebih kecil dari 10.
Pada variabel Leverage nilai Tolerance adalah 0.955<1, artinya bahwa tidak terjadi gejala multikolinearitas atau dapat dilihat dari nilai VIF yaitu 1.047<10. Pada variabel Ukuran Perusahaan nilai Tolerance adalah 0,935<1, artinya bahwa
tidak terjadi gejala multikolinearitas. Pada variabel Intensitas Tenaga Kerja nilai Tolerance adalah 0,956<1, artinya bahwa tidak terjadi gejala multikolinearitas atau dapat dilihat dari nilai VIF yaitu 1.046<10. Pada variabel Kepemilikan Saham nilai
Tolerance adalah 0,828<1, artinya bahwa tidak terjadi gejala multikolinearitas atau atau dilihat dari nilai VIF yaitu 1.207<10. Pada variabel Pembiayaan Internal nilai Tolerance
adalah 0,804<1, artinya bahwa tidak terjadi gejala multikolinearitas atau dapat dilihat dari nilai VIF yaitu 1.243<10. Pada variabel Proporsi Komisaris Independen nilai
Tolerance adalah 0,805<1, artinya bahwa tidak terjadi gejala multikolinearitas atau dapat dilihat dari nilai VIF yaitu 1.242<10.
3. Uji Autokorelasi
Uji autokorelasi adalah suatu uji untuk melihat apakah terdapat variabel pengganggu dari variabel sebelumnya. Data yang baik adalah ketika data telah terbebas dari masalah autokorelasi. Pada uji ini menggunakan Durbin Watson. Digunakannya metode ini disebabkan data penelitian ini kurang dari 100. Data dinyatakan tidak terjadi autokorelasi ketika nilai Durbin Watson adalah sesuai rumus dL<DW<4-Du. Hasil olahan statistik diketahui sebagai berikut:
Tabel 4.12 Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .327a .107 .045 .04601 1.700
a. Predictors: (Constant), Proporsi_Komisaris, Tenaga_Kerja, Ukuran_Perusahaan, Leverage, Kepemilikan_Saham, Pembiayaan_Internal
b. Dependent Variable: Kebijakan_Akuntansi
Tabel 4. 12 menunjukkan niali Durbin Watson adalah sebesar 1.700 selanjutnya dengan jumlah data sebanyak 93 dan variabel bebas adalah 6 maka dapat ditetapkan nilai dL adalah sebanyak 1.5282 dengan nilai dU adalah sebesar 1.8018. Jika dimasukkan ke dalam rumus diketahui bahwa 1.5282<1.700<2.1982. Berdasarkan hasil tersebut maka dapat dinyatakan bahwa data telah terbebas masalah autokorelasi. 4. Uji Heterokedastisitas
Uji ini digunakan untuk mengetahui apakah semua variabel bebas mempunyai varian kesalahan pengganggu yang sama dalam model regresi di atas. Metode yang dapat digunakan untuk menguji adanya gejala ini adalah metode Scatterplot sebagai berikut:
Gambar 4.1 Uji Heterokedastisitas
Berdasarkan pada gambar 4.1 dapat dilihat bahwa titik sebagai representasi data telah menyebar merata pada titik 0. Namun gambar terlihat saling timpa. Untuk itu dapat dinyatakan bahwa penelitian ini tidak terbebas masalah uji heterokedastisitas atau dengan kata lain data penelitian ini tidak homokedastisitas. Hal ini dapat dibuktikan dengan pengujian heterokedastisitas dengan menggunakan uji Glejser sebagai berikut:
Tabel 4.13
Pengujian Heterokedastisitas Metode Glejser
Model Sig. 1 (Constant) .473 Leverage .022 Ukuran_Perusahaan .024 Tenaga_Kerja .163 Kepemilikan_Saham .468 Pembiayaan_Internal .746 Proporsi_Komisaris .070
Tabel 4.13 menunjukkan bahwa nilai sig. pada Leverage adalah sebesar 0.22 dan nilai sig. pada Ukuran Perusahaan adalah sebesar 0.24. Nilai sig. tersebut lebih kecil dibandingkan dengan 0.05 sehingga diketahui bahwa Leverage dan Ukuran Perusahaan bernilai signifikan dibandingkan dengan 0.05. Hal tersebut dapat disimpulkan bahwa data telah terkena masalah Heterokedastisitas.
Untuk mengatasi masalah heterokedastisitas ini, maka akan dilakukan pengujian outlier. Pengujian ini dilakukan untuk menghindari menghapus dat-data yang dinilai mengganggu data lainnya. Untuk mengetahui data tersebut sebgai outlier atau tidak dengan cara mennetukan besarnya nilai Z Score dari setiap data variabel. Dengan tingkat kepercayaan sebesar 95%, maka dapat ditetapkan bahwa nilai lebih besar dari ± 1.96, dinilai sebagai data outlier.
Berdasarkan hasil pengolahan dengan menggunakan SPSS, maka dapat diketahui data yang menjadi outlier adalah sebagai berikut:
Tabel 4.14
Nomor Urut Data Dibuang Karena Outlier
1 59 4 63 13 66 32 68 35 75 39 82 40 85 41 90 44 92 51 93
Setelah data-data pada tabel 4.14 dihapus atau dikeluarkan dari data pengolahan, maka dapat dilihat hasl pengujian Heterokedastisitas dengan menggunakan uji Glejser adalah sebagai berikut:
Tabel 4.15 Uji Heterokedastisitas Model Sig. 1 (Constant) .000 Zscore(Leverage) .120 Zscore(Ukuran_Perusahaan) .571 Zscore(Tenaga_Kerja) .325 Zscore(Kepemilikan_Saham) .276 Zscore(Pembiayaan_Internal) .923 Zscore(Proporsi_Komisaris) .690
a. Dependent Variable: ABS2
Tabel 4.15 menunjukkan bahwa nilai sig. pada setiap variabel tersebut lebih besar dibandingkan dengan 0.05. Sehingga diketahui bahwa semua nilai sig. variabel penelitian ini bernilai tidak signifikan dibandingkan dengan 0.05. Hal tersebut dapat disimpulkan bahwa data telah terbebas masalah Heterokedastisitas.