1.

Uji asumsi klasik

a) Uji normalitas

Uji normalitas bertujuan untuk menguji apakah variabel dependen dan independen dalam

model regresi tersebut terdistribusi secara normal (Ghozali, 2006). Model regresi yang baik

adalah yang memiliki distribusi data normal atau mendekati normal. Pengujian normalitas data

dilakukan dengan menggunakan uji Kolmogorov-Smirnov. Residual berdistribusi normal apabila

tingkat signifikansinya menunjukkan nilai yang lebih besar dari 0,05.

b) Uji multikolinearitas

Uji multikolonieritas bertujuan untuk menguji apakah terdapat korelasi antar variabel

independen dalam model regresi (Ghozali, 2006). Model regresi yang baik seharusnya bebas dari

multikolonieritas. Deteksi terhadap ada tidaknya multikolonieritas yaitu (a) Nilai R square (R 2)

yang dihasilkan oleh suatu estimasi model regresi empiris yang sangat tinggi, tetapi secara

individual tidak terikat, (b) Menganalisis matrik korelasi variabel-variabel independen. Jika antar

variabel independen terdapat korelasi yang cukup tinggi (lebih dari 0,09), maka merupakan

indikasi adanya multikolonieritas, (c) Melihat nilai tolerance dan variance inflation factor (VIF),

suatu model regresi yang bebas dari masalah multikolonieritas apabila mempunyai nilai tolerance

kurang dari 0,1 dan nilai VIF lebih dari 10 (Ghozali, 2006).

c) Uji heterokedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari

residual suatu pengamatan ke pengamatan yang lain dalam model regresi (Ghozali, 2006). Model

regresi yang baik adalah jika variance dari residual satu pengamatan ke pengamatan lain berbeda

(heteroskedastisitas). Heteroskedastisitas dapat dilihat melalui grafik plot antara nilai prediksi

variabel terikat dengan residualnya. Apabila pola pada grafik ditunjukkan dengan titik-titik

menyebar secara acak (tanpa pola yang jelas) serta tersebar di atas maupun dibawah angka 0 pada

sumbu Y, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.

Selain menggunakan grafik scatterplots, uji heteroskedastisitas juga dapat dilakukan dengan

menggunakan Uji Glejser. Jika probabilitas signifikan > 0.05, maka model regresi tidak

mengandung heteroskedastisitas.

d) Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier berganda ada

korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-

1 (sebelumnya). Jika terjadi korelasi, maka dinamakan terdapat problem autokorelasi (Ghozali,
 2006). Model regresi yang baik adalah regresi yang bebas dari Autokorelasi. Autokorelasi pada

sebagian besar ditemukan pada regresi yang datanya adalah time series atau berdasarkan waktu

berkala seperti bulanan, tahunan dan seterusnya. Deteksi adanya Autokorelasi dilakukan dengan

uji Durbin Watson, dimana telah disusunun interval statistik D-W yang menunjukkan keberadaan

Autokorelasi sebagai interval nilai statistik d-Durbin Watson seperti tampak pada Tabel 3.2.

TABEL 3.2
INTERVAL NILAI STATISTIK D-DURBIN WATSON

Nilai DW Keterangan
4-d1<DW<4 Ada autokorelasi negatif
4-d1<DW<4-d1 Tidak berkesimpulan
2<DW<4 - du Tidak ada autokorelasi
du<DW<2 Tidak ada autokorelasi
d1<DW<du Tidak berkesimpulan
0<DW<d1<DW<d1 Ada autokorelasi positif

2. Uji Kelayakan Model (Goodness of Fit)

Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of Fit,

yaitu diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t (Ghozali, 2006).

a. Koefisien Determinasi

Koefisien Determinasi (R2) digunakan untuk menunjukkan seberapa besar variasi

perubahan variabel independen mampu menjelaskan variasi perubahan variabel-variabel

dependen. Nilai koefisien determinasi (R2) adalah antara nol dan satu. Nilai R 2 yang kecil berarti

kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas.

Jika koefisien determinasi sama dengan nol, maka variabel independen tidak berpengaruh

terhadap variabel dependen. Jika besarnya koefisien determinasi mendekati angka 1, maka

variabel independen berpengaruh sempurna terhadap variabel dependen. Dengan menggunakan

model ini, maka kesalahan penganggu diusahakan minimum sehingga R 2 mendekati 1, sehingga

perkiraan regresi akan lebih mendekati keadaan yang sebenarnya

b. Uji Signifikansi Simultan (Uji Statistik F)

Uji statistik F menunjukkan apakah semua variabel bebas yang dimasukkan dalam model

memiliki pengaruh secara bersama-sama terhadap variabel terikat. Apabila nilai probabilitas

signifikansi < 0.05, maka variabel independen secara bersama-sama mempengaruhi variabel

dependen. Hasil uji statistik F diketahui dari tabel analisis varians (ANOVA). Untuk menguji
 kebenaran koefisien regresi secara keseluruhan, nilai F hitung dibandingkan dengan tingkat

signifikansi yang ditetapkan peneliti. Kriteria pengambilan keputusan yaitu:

Jika F hitung > F tabel ( = 0,05), maka Ha diterima.

Jika F hitung < F tabel ( = 0,05), maka Ha ditolak.

c. Uji Signifikan Parameter Individual (Uji Statistik t)

Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual

dalam menerangkan variasi variabel terikat. Apabila nilai probabilitas signifikansi < 0.05, maka

suatu variabel independen merupakan penjelas yang signifikan terhadap variabel dependen.

Langkah-langkah Uji statistik t adalah sebagai berikut:

1) Menentukan formulasi hipotesis penelitian yaitu:

H1: 1 0 artinya terdapat .

H2: 2 0 artinya..

H3: 2 0 artinya ..

2) Menentukan taraf nyata ()

Peneliti menggunakan tingkat kesalahan sebesar 5% sehingga tingkat kepercayaan atau

keyakinannya sebesar 95%.

3) Menentukan kriteria pengujian

Apabila t hitung > = 5% maka hipotesis ditolak

Apabila t hitung < = 5% maka hipotesis diterima

4) Kesimpulan

Berdasarkan hasil uji statistik t, dapat disimpulkan sebagai berikut:

Apabila H1 diterima artinya

Apabila H2 diterima artinya terdapat pengaruh earnings management terhadap kinerja

perusahaan.....