BAB III

METODE PRAKTIKUM

A. Tempat dan Waktu Praktikum

Praktikum dilaksanakan didesa Serang Kabupaten Purbalingga pada hari Rabu tanggal 11
Desember 2019.

B. Analis Data
1. Uji F
Uji F adalah pengujian terhadap koefisien regresi secara slimutan. Pengujiani
ini dilakukan untuk mengetahui pengaruh semua variabel independen yang
terdapat didalam model secara bersama-sama terhadap variabel depeden.Uji F
dipenelitian ini digunakan untuk menguji signifikasi pengaruh Good Corporate
Governance dan Earning Power terhadap Manajemen Laba secara slimutan dan
parsial. Menurut Sugiono (2014:257)

Hipotesis : Ho : Bo + e
Ha : Bo B1 X 1+ B2 X 2 + B3 X 3 +B 4 X 4 + B 4 X 5+ e
Rumus :
2 (∑Y )²
SST (Total Jumlah Kuadrat) ∑ Y −
n
SSR (Jumlah Kuadrat ( regresi ) : ¿ ¿
SSE ( Jumlah Kuadrat Error) : SST – SSR
SSR
MSR (Rata² Kuadrat Regresi) :
ρ
SSE
MSE (Rata² Kuadrat Error) :
n− ρ−1
MSR
Fcal/hit :
MSE
2. Uji T
Uji T adalah pengujian terhadap koefisien regresi secara parsial,
pengujian ini dapat dilakukan untuk mengetahui peran secara signifikansi
parsial antara variabel independen dan variabel dependen dengan dengan
mengasumsikan bahwa variabel independen lain dianggap konstan.(Sugiyono
2014:250)

Hipotesis : Ho:Bi = 0
Ha: Bi ≠0
 bi−βi
Rumus : Thit : MSE → βi=0
√
SSE
3. Koefisien Determinasi (R²)
Koefisien determinasi merupakan ukuran untuk mengetahui kesesuaian
atau ketetapan antara nilai dugaan atau garis regresi dengan data sampel.
Apabila nilai koefisien korelasi sudah diketahui, maka untuk mendapatkan
koefisien determinasi dapat diperoleh dengan menguadratkannya. Besarnya
koefisien determinasi dapat dihitung dengan rumus sebagai berikut;

SSR
Rumus : R² :
SST
4. Regresi Linier Berganda
Pengertian Regresi linier berganda bermaksud meramalkan bagaimana
keadaan (naik turun) variabel deependen (kriterium), bila dua atau lebih
variabel independen sebagai faktor prediator dimanipulasi (dianik turunya
nilainya). Jadi analisis regresi berganda akan dilakukan bila jumlah variabel
independenya minimal 2.(Sugiyono 2014:277)

Y = b 0+ b1 x 1 +b2 x 2+¿ .......... + b n x n +e

5. Asumsi Hasil
a. Multikolineavitas

Multikolineavitas adalah sebuah situasi yang menunjukan adanya

korelasi atau hubungan yang kuat antara dua variable bebas atau lebih dalam
sebuah model regresi berganda. Model regresi yang dimaksud dalam hal ini
antara lain: regresi linier, regresi logistic, regresi data panel dan cox
regression.
Dalam situasi terjadi multikolineritas dalam sebuah model regresi
berganda , maka nilai koefisien beta dari sebuah variable bebas atau variable
predictor dapat berubah secara dramatis apabila ada penambahan atau
pengurangan variable bebas di dalam model. Oleh karena itu,
multtikolinearitas tidak mengurangi kekuatan prediksi secara simultan ,
namun mempengaruhi nilai prediksi dari sebuah variable bebas. Nilai prediksi
sebuah variable bebas disini adalah koefisien beta.oleh karena itu, sering kali
kita dapat mendeteksi adanya multikolineritas dengan adanya nilai standar
error yang besar dari sebuah variable bebas dalam model regresi.
 Berdasrkan penjelasan diatas, maka dapat disimpulkan bahwa, jika
terjadi multikolinearitas , maka sebuah variable yang berkorelasi kuat dengan
variable lainnya di dalam model, kekuatan prediksinya tidak handal dan tidak
stabil.

b. Heteroskedastistas
Heteroskedastitas bertujuan untuk menguji apakah dalam sebuah
model regresi, terjadi ketidaksamaan varians atau residual dari satu
pengamatan ke pengamanatan yang lain. Menurut Gujarati (2012:406) untuk
menguji ada tidaknya heteroskedastistas digunakan uji-rank spearman yaitu
dengan mengorelasikan variabel independen terhadap nilai absolut dari
residual.Untuk mendeteksi gejala uji heteroskedasititas, maka dibuat
persamaan regresi dengan asumsi yang tidak ada heterosdastitas kemudian
menemukan nilai absolut rasidual, selanjutnya meregresikan nilai absolute
residual diperoleh sebagai variabel dependen serta dilakukan regresi dari
variabel independen. Jika nilai koefisien korelasi antara variabel independen
dengan nilai absolute dari residual signifikan, maka kesimpulanya terdapat
heteroskedastitas (varian dari rasidual tidak homogen).
c. Autokorelasi
Autokorelasi yang dilakukan penelitian ini bertujuan untuk mengetahui
didalam sebuah model regresi linier ada kolerasi antara kesa;ahan
pengganggu pada periode t dengan kesalahan pada periode t-1(sebelumnya).
Jika terjadi kolerasi, mka dinamakan ada problem autokorelasi. Tentu saja
model regresi yang baik adalah regresi yang bebas dari autokorelasi (Singgih
Santoso, 2012:241).