Contoh Simulasi Analisis Regresi Berganda dengan SPSS A. Deskripsi Objek Penelitian Penelitian menggunakan periode 2007 sampai dengan 2009 sehingga perusahaan yang digunakan adalah perusahaan perbankan yang telah aktif diperdagangkan dalam periode tersebut. Terdapat 28 perusahaan perbankan yang terdaftar di Bursa Efek Indonesia pada tahun 2009, akan tetapi terdapat 3 perusahaan yang baru listing pada tahun 2007, yaitu PT Bank Agroniaga Tbk., PT Bank Capital Indonesia Tbk., dan PT Bank Windu Kentjana International Tbk. Demikian juga terdapat 2 buah perusahaan yang baru listing di BEI tahun 2008 yaitu PT Bank Ekonomi Raharja Tbk., dan PT Bank Tabungan Pensiunan Nasional Tbk., sehingga hanya terdapat 23 perusahaan perbankan yang berturut-turut memperdagangkan sahamnya dari tahun 2007 sampai dengan tahun 2009. Dari 23 perusahaan yang memperdagangkan sahamnya berturutturut antara tahun 2007 sampai dengan 2009 terdapat 8 perusahaan yang tidak mencantumkan data variabel penelitian secara lengkap yaitu data piutang perusahaan yang dipergunakan untuk menghitung discretionary accrual. Dengan demikian sampel penelitian adalah sebanyak 15 perusahaan. B. Analisis Data Model Analisis : persamaan regresi linear berganda sebagai berikut: Y = a + b1x1 + b2x2 + b3x3 + b4x4 + b5x5 + e Keterangan: Y = Discretionary Accrual X1 = Ukuran dewan komisaris X2 = Komite audit X3 = Kepemilikan institusional X4 = Kepemilikan manajerial X5 = Ukuran perusahaan 1. Uji Asumsi Klasik Analisis regresi linear berganda memerlukan beberapa asumsi agar model tersebut layak dipergunakan. Asumsi yang dipergunakan dalam penelitian ini adalah uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. a. Uji Normalitas Uji normalitas data dipergunakan untuk menentukan apakah data terdistribusi secara normal atau tidak. Uji normalitas yang dipergunakan adalah plot grafik di mana asumsi normalitas terpenuhi jika titik-titik pada grafik mendekati sumbu diagonalnya.
Gambar 1 Uji Normalitas Gambar menunjukkan bahwa titik-titik pada grafik telah mendekati atau hampir berhimpit dengan sumbu diagonal atau membentuk sudut 45 derajad dengan garis mendatar. Interpretasinya adalah bahwa nilai residual pada model penelitian telah terdistribusi secara normal. Untuk memperkuat hasil pengujian tersebut dipergunakan uji Kolmogorov-Smirnov yaitu sebagai berikut: Tabel 1 Uji Normalitas dengan Kolmogorov-Smirnov Tampak bahwa nilai signifikansi adalah sebesar 0,868 > 0,05 yang menunjukkan bahwa nilai residual telah terdistribusi secara normal. Hasil analisis awal menunjukkan adanya data outliers yaitu data yang menyimpang terlalu jauh dari data yang lain sehingga harus dikeluarkan dari model penelitian. Berikut adalah identifikasi data outlier pada model dalam penelitian ini: Tabel 2 Identifikasi Data Outliers 1
Tampak bahwa terdapat 1 buah data outliers yaitu data ke-8 sehingga data tersebut dikeluarkan dari model penelitian dan jumlah data penelitian menjadi 44 buah. Dengan mengeluarkan satu buah data tersebut, masih terdapat 1 buah lagi data outliers yaitu sebagai berikut: Tabel 3 Identifikasi Data Outliers 2 Data ke-23 menjadi outliers setelah data ke-8 dikeluarkan, dengan demikian, data ke-23 juga dikeluarkan dari model sehingga tidak ada lagi data outliers. Setelah mengeluarkan dua buah data outliers maka diperoleh grafik P Plot sebagai berikut: Gambar 2 Uji Normalitas Tanpa Data Outliers Gambar menunjukkan bahwa titik-titik pada grafik telah mendekati atau hampir berhimpit dengan sumbu diagonal atau membentuk sudut 45 derajad dengan garis mendatar. Interpretasinya adalah bahwa nilai residual pada model penelitian telah terdistribusi secara normal. Untuk memperkuat hasil pengujian tersebut dipergunakan uji Kolmogorov-Smirnov yaitu sebagai berikut:
Tabel 4 Uji Normalitas dengan Kolmogorov-Smirnov Tanpa Outliers Tampak bahwa dengan 43 data maka nilai signifikansi adalah sebesar 0,884 > 0,05 yang menunjukkan bahwa nilai residual telah terdistribusi secara normal. b. Uji Multikolinearitas Uji multikolinearitas dilakukan dengan menggunakan nilai variance inflation factor (VIF). Model dinyatakan terbebas dari gangguan multikolinearitas jika mempunyai nilai VIF di bawah 10 atau tolerance di atas 0,1. Berikut adalah uji Multikolinearitas dalam penelitian ini: Tabel 5 Uji Multikolinearitas Tabel di atas memberikan semua nilai VIF di bawah 10 atau nilai tolerance di atas 0,1. Berarti tidak terdapat gejala multikolinearitas pada model dalam penelitian ini. c. Uji Heteroskedastisitas Uji Heteroskedastisitas dilakukan dengan memplotkan grafik antara SRESID dengan ZPRED di mana gangguan heteroskedastisitas akan tampak dengan adanya pola tertentu pada grafik. Berikut adalah uji heteroskedastisitas pada keempat model dalam penelitian ini:
Gambar 3 Uji Heteroskedastisitas Tampak pada diagram di atas bahwa model penelitian tidak mempunyai gangguan heteroskedastisitas karena tidak ada pola tertentu pada grafik. Titik-titik pada grafik relatif menyebar baik di atas sumbu nol maupun di bawah sumbu nol. d. Uji Autokorelasi Berikut adalah nilai Durbin-Watson pada model dalam penelitian ini: Tabel 6 Uji Autokorelasi Adapun nilai du untuk 5 buah variabel dengan 43 data pada taraf 5% adalah sebesar 1,780. Tampak bahwa 0 < dw < du yang masuk pada kategori no decision. Untuk memperkuat hasil tersebut digunakan uji Run, di mana gangguan autokorelasi terjadi jika signifikansi di bawah 0,05. Berikut adalah uji autokorelasi dengan Run test:
Tabel 7 Uji Autokorelasi dengan Run Test Tampak bahwa signifikansi adalah sebesar 0,760 > 0,05 yang menunjukkan bahwa tidak terjadi gangguan autokorelasi pada model penelitian. C. Uji Goodness of Fit Uji goodness of fit adalah untuk melihat kesesuaian model, atau seberapa besar kemampuan variabel bebas dalam menjelaskan varians variabel terikatnya. Berikut adalah hasil perhitungan nilai R dan koefisien determinasi dalam penelitian ini: Tabel 8 Uji Goodness of Fit Tabel tersebut memberikan nilai R sebesar 0,689 pada model penelitian dan koefisien determinasi Adjusted R Square sebesar 0,404. Tampak bahwa kemampuan variabel bebas dalam menjelaskan varians variabel terikat adalah sebesar 40,4%. Masih terdapat 59,6% varians variabel terikat yang belum mampu dijelaskan oleh variabel bebas dalam model penelitian ini. D. Uji F Uji F (uji simultan) adalah untuk melihat pengaruh variabel bebas yaitu terhadap variabel terikatnya yaitu DA secara serempak. Berikut adalah nilai F hitung dalam penelitian ini:
Tabel 9 Uji F Tampak bahwa nilai F hitung pada model penelitian adalah sebesar 6,686 dengan taraf signifikansi sebesar 0,000. Nilai signifikansi adalah di bawah 0,05 yang menunjukkan bahwa variabel bebas secara serempak mempunyai pengaruh yang signifikan terhadap manajemen laba pada signifikansi 5%. E. Uji t Uji t (parsial) adalah untuk melihat pengaruh variabel-variabel bebas secara parsial terhadap variabel terikatnya. Berikut adalah hasil perhitungan nilai t hitung dan taraf signifikansinya dalam penelitian ini: Tabel 10 Uji t Berdasarkan hasil pada tabel tersebut, dapat disusun persamaan regresi linear berganda sebagai berikut: Y = 3,385 0,108 X1 0,016 X2 + 0,11 X3 + 0,178 X4-0,161 X5 + e Keterangan: Y = Discretionary Accrual X1 = Ukuran dewan komisaris X2 = Komite audit X3 = Kepemilikan institusional X4 = Kepemilikan manajerial X5 = Ukuran perusahaan Interpretasi terhadap persamaan tersebut beserta uji hipotesis akan diberikan sebagai berikut: 1. Pengujian Hipotesis 1 ukuran dewan komisaris adalah sebesar -2,011. Nilai tersebut di atas (>) nilai t tabel untuk N = 43 α=5%, sehingga diinterpretasikan bahwa variabel ukuran dewan komisaris
mempunyai pengaruh yang signifikan terhadap discretionary accrual. Dengan demikian hipotesis H1 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara ukuran dewan komisaris terhadap manajemen laba diterima. Berarti ukuran dewan komisaris mempunyai pengaruh signifikan terhadap manajemen laba. 2. Pengujian Hipotesis 2 ukuran komite audit adalah sebesar -0,292. Nilai tersebut di bawah nilai t tabel sehingga diinterpretasikan bahwa variabel ukuran komite audit tidak mempunyai pengaruh yang signifikan terhadap discretionary accrual. Dengan demikian hipotesis H2 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara komite audit terhadap manajemen laba ditolak. Berarti ukuran komite audit tidak mempunyai pengaruh signifikan terhadap manajemen laba. 3. Pengujian Hipotesis 3 ukuran kepemilikan institusional adalah sebesar 3,093. Nilai tersebut di atas nilai t tabel sehingga diinterpretasikan bahwa variabel kepemilikan institusional mempunyai pengaruh yang signifikan terhadap discretionary accrual. Dengan demikian hipotesis H3 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara kepemilikan intitusional terhadap manajemen laba diterima. Berarti kepemilikan institusional mempunyai pengaruh signifikan terhadap manajemen laba. 4. Pengujian Hipotesis 4 kepemilikan manajerial adalah sebesar 1,083. Nilai tersebut di bawah nilai t tabel sehingga diinterpretasikan bahwa variabel kepemilikan manajerial tidak mempunyai pengaruh yang signifikan terhadap discretionary accrual. Dengan demikian hipotesis H4 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara kepemilikan manajerial terhadap manajemen laba ditolak. 5. Pengujian Hipotesis 5 ukuran perusahaan adalah sebesar -3,663. Nilai tersebut di atas nilai t tabel sehingga diinterpretasikan bahwa variabel ukuran perusahaan mempunyai pengaruh yang signifikan terhadap discretionary accrual.. Dengan demikian hipotesis H4 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara ukuran perusahaan terhadap manajemen laba diterima. Berarti terdapat pengaruh yang signifikan antara ukuran perusahaan terhadap manajemen laba.