Data yang digunakan sebagai berikut:

Tabel. Data Tugas

Environmetal Independent Kepemilikan
Kode Komite
No Tahun Investment Commisioner Institusional
Perusahaan Audit (X3)
(Y) (X1) (X2)
1 MLBI 2015 3,00 0,57 15,66 0,43
2 MLBI 2016 3,00 0,57 15,66 0,43
3 MLBI 2017 4,00 0,50 16,30 0,50
4 MLBI 2018 4,00 0,50 16,54 0,50
5 MLBI 2019 4,00 0,50 16,59 0,38
6 MLBI 2020 3,00 0,50 16,42 0,50
7 MLBI 2021 3,00 0,50 15,98 0,50
8 KLBF 2015 3,00 0,43 68,74 0,43
9 KLBF 2016 3,00 0,43 67,65 0,43
10 KLBF 2017 3,00 0,43 67,74 0,43
11 KLBF 2018 4,00 0,33 64,03 0,50
12 KLBF 2019 4,00 0,43 69,58 0,43
13 KLBF 2020 4,00 0,43 71,47 0,43
14 KLBF 2021 4,00 0,43 69,24 0,43
15 UNVR 2015 3,00 0,80 13,90 0,60
16 UNVR 2016 3,00 0,80 98,89 1,00
17 UNVR 2017 3,00 0,80 99,02 0,60
18 UNVR 2018 3,00 0,80 98,85 0,60
19 UNVR 2019 3,00 0,80 98,70 0,60
20 UNVR 2020 3,00 0,83 98,26 0,50
21 UNVR 2021 3,00 0,84 96,51 0,67
22 INTP 2015 4,00 0,29 64,03 0,43
23 INTP 2016 4,00 0,29 79,17 0,43
24 INTP 2017 3,00 0,50 79,17 0,75
25 INTP 2018 4,00 0,67 79,17 1,00
26 INTP 2019 4,00 0,17 79,17 0,50
27 INTP 2020 3,00 0,33 79,17 0,50
28 INTP 2021 4,00 0,43 79,17 0,43
29 SMCB 2015 4,00 0,43 80,65 0,43
30 SMCB 2016 4,00 0,50 96,88 0,50
31 SMCB 2017 3,00 0,43 80,64 0,43
32 SMCB 2018 3,00 0,18 80,64 0,36
33 SMCB 2019 3,00 0,33 98,31 1,00
34 SMCB 2020 4,00 0,33 98,69 1,00
35 SMCB 2021 4,00 0,25 98,67 0,75
36 SMGR 2015 4,00 0,29 51,01 0,57
37 SMGR 2016 4,00 0,29 51,01 0,57
38 SMGR 2017 4,00 0,22 60,27 0,44
39 SMGR 2018 4,00 0,29 98,96 0,86
40 SMGR 2019 4,00 0,29 99,27 0,57
41 SMGR 2020 4,00 0,29 64,62 0,57
42 SMGR 2021 4,00 0,29 64,63 0,43
43 JPFA 2015 3,00 0,50 57,84 0,75
44 JPFA 2016 3,00 0,40 62,98 0,60
45 JPFA 2017 3,00 0,50 62,98 0,50
46 JPFA 2018 3,00 0,50 64,08 0,50
47 JPFA 2019 3,00 0,50 52,43 0,50
48 JPFA 2020 3,00 0,60 54,47 0,60
49 JPFA 2021 3,00 0,33 55,00 1,00
50 AUTO 2015 3,00 0,33 84,93 0,33
51 AUTO 2016 3,00 0,38 83,47 0,38
52 AUTO 2017 3,00 0,38 83,47 0,38
53 AUTO 2018 3,00 0,38 83,47 0,38
54 AUTO 2019 3,00 0,38 83,47 0,38
55 AUTO 2020 5,00 0,29 82,47 0,43
56 AUTO 2021 3,00 0,38 81,75 0,38
57 AALI 2015 4,00 0,40 79,68 0,60
58 AALI 2016 4,00 0,40 79,68 0,60
59 AALI 2017 4,00 0,40 79,68 0,60
60 AALI 2018 4,00 0,25 79,68 0,75
61 AALI 2019 4,00 0,50 79,68 0,75
62 AALI 2020 3,00 0,60 79,68 0,60
63 AALI 2021 3,00 0,50 79,68 0,75
64 ANJT 2015 3,00 0,50 85,84 0,50
65 ANJT 2016 3,00 0,50 86,62 0,38
66 ANJT 2017 3,00 0,50 81,70 0,38
67 ANJT 2018 3,00 0,50 81,70 0,75
68 ANJT 2019 3,00 0,50 81,70 0,38
69 ANJT 2020 5,00 0,43 81,70 0,71
70 ANJT 2021 5,00 0,38 81,70 0,38
71 LSIP 2015 3,00 0,33 59,60 0,50
72 LSIP 2016 3,00 0,33 95,54 0,50
73 LSIP 2017 3,00 0,33 93,44 0,50
74 LSIP 2018 3,00 0,33 6,59 0,50
75 LSIP 2019 3,00 0,40 6,90 0,60
76 LSIP 2020 3,00 0,40 3,93 0,60
77 LSIP 2021 3,00 0,40 1,31 0,60
78 SGRO 2015 3,00 0,50 88,29 0,75
79 SGRO 2016 3,00 0,33 92,11 1,00
80 SGRO 2017 3,00 0,33 96,00 1,00
81 SGRO 2018 3,00 0,00 96,00 1,00
82 SGRO 2019 3,00 0,00 96,41 1,00
83 SGRO 2020 3,00 0,50 96,25 0,75
84 SGRO 2021 3,00 0,50 96,13 0,75
85 SIMP 2015 3,00 0,33 79,99 0,50
86 SIMP 2016 3,00 0,33 80,14 0,50
87 SIMP 2017 3,00 0,33 95,58 0,50
88 SIMP 2018 3,00 0,33 93,76 0,50
89 SIMP 2019 3,00 0,33 89,54 0,50
 90 SIMP 2020 3,00 0,33 88,14 0,50
91 SIMP 2021 3,00 0,33 87,21 0,50
92 SSMS 2015 3,00 0,50 67,40 1,50
93 SSMS 2016 3,00 0,33 67,60 1,00
94 SSMS 2017 3,00 0,33 66,61 1,00
95 SSMS 2018 3,00 0,50 63,97 0,75
96 SSMS 2019 3,00 0,50 65,80 1,00
97 SSMS 2020 3,00 0,50 68,17 1,00
98 SSMS 2021 3,00 0,50 67,57 1,00
99 UNSP 2015 3,00 0,50 25,24 0,50
100 UNSP 2016 3,00 0,50 26,43 0,50
101 UNSP 2017 3,00 0,40 3,13 0,60
102 UNSP 2018 3,00 0,40 26,40 0,60
103 UNSP 2019 3,00 0,40 17,32 0,60
104 UNSP 2020 3,00 0,40 18,55 0,60
105 UNSP 2021 3,00 0,40 1,80 0,60
106 ADRO 2015 4,00 0,40 43,91 0,60
107 ADRO 2016 4,00 0,40 43,91 0,60
108 ADRO 2017 3,00 0,40 43,91 0,60
109 ADRO 2018 3,00 0,25 43,91 0,75
110 ADRO 2019 5,00 0,40 43,91 0,60
111 ADRO 2020 5,00 0,40 80,69 0,60
112 ADRO 2021 5,00 0,40 80,69 0,60
113 BUMI 2015 4,00 0,00 41,22 1,00
114 BUMI 2016 4,00 0,00 37,80 1,00
115 BUMI 2017 4,00 0,25 36,41 0,50
116 BUMI 2018 4,00 0,38 35,30 0,50
117 BUMI 2019 4,00 0,38 30,98 0,50
118 BUMI 2020 4,00 0,29 57,60 0,57
119 BUMI 2021 4,00 0,50 53,61 0,50
120 ITMG 2015 3,00 0,40 70,19 0,60
121 ITMG 2016 4,00 0,33 97,03 0,50
122 ITMG 2017 3,00 0,29 65,14 0,43
123 ITMG 2018 4,00 0,40 65,14 0,60
124 ITMG 2019 4,00 0,50 65,14 0,50
125 ITMG 2020 3,00 0,43 65,14 0,43
126 ITMG 2021 4,00 0,43 65,14 0,43
127 PTBA 2015 5,00 0,33 73,53 0,67
128 PTBA 2016 5,00 0,33 81,30 0,50
129 PTBA 2017 5,00 0,38 88,00 0,50
130 PTBA 2018 5,00 0,44 86,80 0,22
131 PTBA 2019 5,00 0,50 87,07 0,33
132 PTBA 2020 5,00 0,33 82,40 0,67
133 PTBA 2021 5,00 0,33 79,20 0,67
134 MEDC 2015 5,00 0,33 80,75 0,50
135 MEDC 2016 5,00 0,40 78,13 0,60
136 MEDC 2017 5,00 0,40 72,92 0,60
137 MEDC 2018 5,00 0,40 72,25 0,60
 138 MEDC 2019 5,00 0,40 72,00 0,60
139 MEDC 2020 5,00 0,40 73,38 0,60
140 MEDC 2021 5,00 0,40 73,63 0,60

Diminta:
1. Lakukan pengujian asumsi klasik yang terdiri dari: uji normalitas, uji
heterokedastisitas, uji autokorelasi dan uji multikolinearitas.
2. Lakukan interpretasi hasil terhadap masing-masing pengujian
Note: jawaban akan dicek plagiasinya, sehingga harap dikerjakan masing-masing!
Nama : Laras Sukma Nurani Tirtawidjaja
NPM : 230115001

UJI NORMALITAS TIDAK LANGSUNG

Nilai

Nilai asumsi uji normalitas dengan metode tidak langsung menghasilkan 0,001 yang
dimana standarnya adalah 0,05 maka dapat dikatakan nilai residual data pada data ini
adalah tidak normal.
UJI NORMALITAS METODE LANGSUNG

Analisis
Ketiga veriable ini datanya adalah tidak normal

UJI Heteres dengan Plot

Model regresi ini terdapat masalah Heteroskedastis. Pengujian Heteroskedastis dengan
plot. Tujuannya untuk mengetahui apakah data yang ada homogen atau heterogen.
Hasilnya adanya Heteroskedastis atau datanya adalah heterogeny.

Pengujian Multikolinear
Ketika regresi linier berganda, karena konsepnya untuk mengetahui antar variable ada
hubungannya atau tidak.
Kriteria VIF nya <10 baik x1, x2 ataupun x3 maka dapat dikatakan di dalam regresi ini
tidak terdapat masalah Multikolinear karena nilai VIF nya untuk x1 adalah 1.007, x2
adalah 1.010 dan x3 adalah 1.017.
Pengujian Auto Korelasi
Model yang baik adalah model DW yang dibandingkan dengan nilai Durbin Watson
tabel. DU DL dan DU -4 DU.