HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.2 Uji Asumsi Klasik a.Uji Normalitas a.Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Kolmogorov-Smirnov. Dalam penelitian ini, tingkat signifikansi yang digunakan . Dasar pengambilan keputusan adalah melihat angka probabilitas , dengan ketentuan sebagai berikut.
Jika nilai probabilitas 0,05, maka asumsi normalitas terpenuhi. Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 51
Normal Parametersa,,b Mean .0000000
Std. Deviation .04059073 Most Extreme Differences Absolute .085 Positive .085 Negative -.061 Kolmogorov-Smirnov Z .609
Asymp. Sig. (2-tailed) .852
a. Test distribution is Normal. b. Calculated from data.
Sumber : hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.2, diketahui nilai probabilitas atau Asymp. Sig. (2-tailed) sebesar 0,852. Dalam penelitian ini, tingkat signifikansi yang digunakan adalah . Karena nilai probabilitas ,
yakni 0,852, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
b. Uji Multikolinearitas
Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor (VIF). Nilai VIF yang lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas (Ghozali, 2013).
Tabel 4.3 Uji Multikolinearitas
Model Collinearity Statistics Tolerance VIF 1 (Constant) TAXAV .902 1.108 BIGFOUR .668 1.496 VODISC .759 1.318 KOMAUD .631 1.586
Sumber : hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.3, nilai VIF dari variabel TAXAV adalah 1,108, nilai VIF dari variabel BIGFOUR adalah 1,496, nilai VIF dari variabel VODISC adalah 1,318, dan nilai VIF dari variabel KOMAUD adalah 1,586. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
c. Uji Autokorelasi
Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat diuji dengan menggunakan uji Durbin-Watson. Nilai statistik dari uji Watson berkisar di antara 0 dan 4. Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field (2009:220-221, Gio, 2015).
Tabel 4.4 Uji Autokorelasi Model
Durbin-Watson
1 2.149
Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 2,149. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi autokorelasi. Perhatikan juga bahwa diketahui dengan
jumlah variabel bebas dan jumlah pengamatan sebanyak adalah . Perhatikan bahwa karena , yakni , maka disimpulkan bahwa tidak terjadi autokorelasi.
d. Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y, dan ZPRED pada sumbu X. (Field, 2009:230, Ghozali, 2011:139). Field (2009:248, Ghozali, 2011:139) menyatakan dasar analisis
adalah jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.1 Uji Heteroskedastisitas Sumber: Hasil olahan software SPSS
Perhatikan bahwa berdasarkan Gambar 4.1, tidak terdapat pola yang begitu jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
4.2.3 Pengujian Hipotesis
a. Analisis Koefisien Determinasi
Koefisien determinasi ( ) merupakan suatu nilai (nilai proporsi) yang mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas (Supranto, 2005:158, Gujarati, 2003:212). Nilai koefisien determinasi berkisar antara 0 dan 1. Nilai koefsien determinasi yang
kecil (mendekati nol) berati kemampuan variabel-variabel tak bebas secara simultan dalam menerangkan variasi variabel tak bebas amat terbatas. Nilai koefisien determinasi yang mendekati satu berarti variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel bebas.
Tabel 4.5 Koefisien Determinasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .438a .192 .122 .0423188 2.149
a. Predictors: (Constant), KOMAUD, TAXAV, VODISC, BIGFOUR b. Dependent Variable: COD
Sumber : hasil olahan software SPSS
Berdasarkan Tabel 4.5, nilai koefisien determinasi terletak pada kolom R-Square. Diketahui nilai koefisien determinasi sebesar . Nilai tersebut berarti KOMAUD, TAXAV, BIGFOUR, dan VODISC mempengaruhi secara simultan atau bersama-sama terhadap variabel kebijakan COD sebesar 19,2%, sisanya sebesar 80,8% dipengaruhi oleh faktor-faktor lain.
b. Uji Signifikansi Pengaruh Simultan (Uji F)
Uji signifikansi pengaruh simultan merupakan suatu uji untuk menguji apakah seluruh variabel bebas secara bersamaan atau simultan mempengaruhi variabel COD.
Gambar 4.2 Menentukan Nilai Tabel dengan Microsoft Excel Berdasarkan Gambar 4.2, diketahui nilai F tabel adalah 2,574.
Tabel 4.6 Uji Signifikansi Simultan (Uji F) ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression .020 4 .005 2.729 .040a
Residual .082 46 .002
Total .102 50
a. Predictors: (Constant), KOMAUD, TAXAV, VODISC, BIGFOUR b. Dependent Variable: COD
Berdasarkan Tabel 4.6, diketahui nilai F hitung adalah 2,729. Perhatikan bahwa karena nilai F hitung F tabel, maka disimpulkan bahwa pengaruh simultan variabel bebas terhadap COD perusahaan signifikan secara statistik.
c. Analisis Regresi Linear Berganda dan Uji Signifikansi Pengaruh Parsial (Uji t)
Tabel 4.7 menyajikan nilai koefisien regresi, serta nilai statistik t untuk pengujian pengaruh secara parsial.
Tabel 4.7 Uji Signifikansi Pengaruh Parsial
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .024 .036 .668 .508 TAXAV -.102 .047 -.305 -2.186 .034 BIGFOUR -.010 .015 -.111 -.682 .499 VODISC .278 .125 .339 2.224 .031 KOMAUD -.024 .023 -.173 -1.037 .305 Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.8 diperoleh persamaan regresi linear sebagai berikut berikut.
COD = 0,024 - 0,102TAXAV - 0,010BIGFOUR + 0,278VODISC - 0,024KOMAUD + e
Sebelum menghitung nilai tabel, terlebih dahulu menghitung nilai derajat. Berikut rumus untuk menghitung nilai derajat bebas.
Perhatikan bahwa menyatakan jumlah elemen dalam sampel yang diteliti, sedangkan merupakan jumlah variabel. Diketahui jumlah elemen dalam sampel yang diteliti sebanyak 51 dan jumlah variabel adalah 4, sehingga derajat bebas adalah . Misalkan tingkat signifikansi yang digunakan adalah 5%, sehingga nilai tabel dengan derajat bebas 47 dan tingkat signifikansi adalah . Gambar 4.3 merupakan penghitungan tabel berdasarkan Microsoft Excel.
Berikut aturan pengambilan keputusan terhadap hipotesis berdasarkan uji (Gio, 2015).
| | | | | | | |
Atau dapat digambarkan sebagai berikut.
Gambar 4.4 Aturan Pengambilan Keputusan terhadap Hipotesis berdasarkan Uji