Uji normalitas adalah uji yang dilakukan dengan tujuan untuk melihat
apakah data yang ada dalam penelitian sudah terdistribusi dengan normal
atau tidak. Model regresi yang baik adalah apabila data tersebut normal atau
dua cara yaitu dengan grafik dan uji statistik. Untuk grafik itu menggunakan
suatu variabel dapat dikatakan normal apabila gambar titik-titik pada grafik
non probability plots mengikuti garis diagonal dan nilai signfikan atau
Tabel 4.2
Hasil Uji Normalitas
Page 1
b. Calculated from data.
c. Lilliefors Significance Correction.
atau 0,05 yaitu dengan nilai 0,131, hal ini menunjukkan data terdistribusi
dengan normal.
Page 2
4.2.2 Uji Multikolinearitas
dapat dilihat dari besaran VIF (Variance Inflation Factor) dan tolerance.
Regresi bebas dari multikolinearitas jika besar nilai VIF<10 dan nilai
tolerance>0.10.
Tabel 4.3
Hasil Uji Multikolinearitas
Collinearity Statistics
Model Part Tolerance VIF
Ukuran Perusahaan .016 .923 1.084
Leverage .075 .988 1.013
Profitabilitas -.005 .992 1.009
Komisaris Independen -.112 .902 1.109
Kepemilikan Institutional -.025 .844 1.185
Sumber: Data diolah peneliti, (2023)
multikolinearitas pada variabel bebasnya karena semua nilai VIF < 10 dan
Page 3
Uji Heteroskedastisitas digunakan untuk menguji apakah dalam suatu
penelitian ini.
Page 4
4.2.4 Uji Autokorelasi
Tabel 4.5
Hasil Uji Autokorelasi
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .939a .891 .781 .30476 1.821
a. Predictors: (Constant), Kepemilikan Institutional, Profitabilitas, Leverage, Ukuran
Perusahaan, Komisaris Independen
b. Dependent Variable: Manajemen Laba
Page 5
diperhatikan DW tabel. Dengan menggunakan α=5% serta menggunakan
sebagai berikut :
= 1.752<1,821<4−1.752
= 1.7311<2.099<2,248
pengaruh dua atau lebih variabel independen terhadap satu variabel dependen,
Tabel 4.6
Analisis Regresi Linear Berganda
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .144 .218 .661 .510
Ukuran Perusahaan .001 .007 .016 3.175 .004
Leverage .235 .281 .075 4.838 .000
Page 6
Profitabilitas -.235 .000 -.005 -3.058 .005
Komisaris Independen -.274 .218 -.118 -1.255 .212
Kepemilikan Institutional -.043 .156 -.027 -.276 .783
a. Dependent Variable: Manajemen Laba
Sumber: Data diolah peneliti, (2023)
berganda pada penelitian ini. Adapun rumus persamaan regresi dalam penelitian
Y^ =α + β 1 X 1+ β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 e
laba akan meningkat sebesar 0,235. Satuan dengan asumsi hal hal lain
bersifat konstan.
Page 7
d. Koefisien regresi profitabilitas sebesar -0,235 menunjukkan bahwa apabila
manajemen laba akan meningkat sebesar 0,235. Satuan dengan asumsi hal
Tabel 4.7
Uji Simultan
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Page 8
1 Regression .224 5 .045 12.482 .000
Residual 11.424 123 .001
Total 11.648 128
a. Dependent Variable: Manajemen Laba
b. Predictors: (Constant), Kepemilikan Institutional, Profitabilitas, Leverage, Ukuran Perusahaan,
Komisaris Independen
Hipotesis :
H0 : β i=0
Taraf Signifikansi :
α = 0,05
Kriteria Penolakan :
Diketahui nilai Fhitung sebesar 12,482 dan nilai Ftabel sebesar 1,399
sehingga nilai Fhitung (12,482 > Ftabel (1,399) dan nilai Sig (0.000) < α
(0.05) maka tolak H0. Sehingga dapat disimpulkan bahwa minimal ada satu
Page 9
Uji parsial digunakan untuk melihat apakah variabel independen (X)
didapatkan:
Tabel 4.8
Uji Parsial
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .144 .218 .661 .510
Ukuran Perusahaan .001 .007 .016 3.175 .004
Leverage .235 .281 .075 4.838 .000
Profitabilitas -.235 .000 -.005 -3.058 .005
Komisaris Independen -.274 .218 -.118 -1.255 .212
Kepemilikan -.043 .156 -.027 -.276 .783
Institutional
a. Dependent Variable: Manajemen Laba
Sumber: Data diolah peneliti, (2023)
Hipotesis :
H0 : β i=0
H1 : β i ≠ 0 ( i = 1,2,3)
Taraf Signifikansi :
α = 0,05
Kriteria Penolakan :
Page 10
Berdasarkan hasil output yang diperoleh dari aplikasi SPSS di atas, dapat
disimpulkan bahwa:
nilai Sig (0.004) <α (0.05), maka tolak H0 artinya secara parsial terdapat
nilai Sig (0.000) <α (0.05), maka tolak H0 artinya secara parsial terdapat
nilai Sig (0.005) <α (0.05), maka tolak H0 artinya secara parsial terdapat
Laba
Page 11
Dari hasil analisis didapatkan nilai thitung(-1,255) < ttabel(1.98) atau
nilai Sig (0.212) >α (0.05), maka tolak H0 artinya secara parsial tidak
manajemen laba.
Laba
nilai Sig (0.783) <α (0.05), maka tolak H0 artinya secara parsial tidak
dalam sebuah model regresi penelitian. Hasil uji koefisien determinasi adalah
sebagai berikut:
Tabel 4.9
Koefisien Determinasi
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
Page 12
1 .939a .891 .781 .30476 1.421
a. Predictors: (Constant), Kepemilikan Institutional, Profitabilitas, Leverage, Ukuran
Perusahaan, Komisaris Independen
b. Dependent Variable: Manajemen Laba
Sumber: Data diolah peneliti, (2023)
Berdasarkan hasil output diatas, dapat dilihat nillai R Square sebesar 0,891
bebas yang diteliti. Sedangkan 10,9% lainnya dipengaruhi oleh faktor lain diluar
penelitian.
~THANK YOU~
Page 13
LAMPIRAN
2) Uji Multikolinearitas
Page 14
3) Uji Heterokedastisitas
4) Uji Autokorelasi
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .722a .522 .490 .76240 2.088
a. Predictors: (Constant), X4 , Ln(X1) , Ln(X2) , X3
b. Dependent Variable: Log(Y)
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 4.541 .404 11.234 .000
Ln(X1) .722 .175 .396 4.123 .000
Ln(X2) .572 .082 .738 6.974 .000
X3 -3.065 .774 -.421 -3.958 .000
X4 .416 .185 .241 2.245 .028
Page 15
3. Pengujian Hipotesis
1) Uji F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 38.077 4 9.519 16.377 .000b
Residual 34.875 60 .581
Total 72.953 64
a. Dependent Variable: Log(Y)
b. Predictors: (Constant), X4 , Ln(X1) , Ln(X2) , X3
2) Uji T
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 4.541 .404 11.234 .000
Ln(X1) .722 .175 .396 4.123 .000
Ln(X2) .572 .082 .738 6.974 .000
X3 -3.065 .774 -.421 -3.958 .000
X4 .416 .185 .241 2.245 .028
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .722 a
.522 .490 .76240 2.088
a. Predictors: (Constant), X4 , Ln(X1) , Ln(X2) , X3
b. Dependent Variable: Log(Y)
Page 16