85
3. Hasil Uji Asumsi Klasik
a. Hasil Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah adanya korelasi antar variabel bebas independen dalam model
regresi. Untuk mendeteksi adanya masalah multikolonieritas dalam penelitian ini dengan menggunakan Nilai Tolerance dan
Variance Inflation Factor VIF. Tabel berikut ini menyajikan hasil uji multikolonieritas dengan menggunakan Nilai Tolerance
dan VIF, yaitu:
Tabel 4. 14 Hasil Uji Multikolonieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
12,015 5,514
2,179 ,033
Peran Auditor ,011
,149 ,008
,075 ,941
,466 2,144
Profesionalisme ,250
,106 ,266
2,347 ,022
,452 2,210
Pengalaman Kerja
,504 ,131
,459 3,843
,000 ,406
2,465 Pengetahuan
IT ,178
,080 ,195
2,231 ,029
,760 1,315
a. Dependent Variable: Sistem Pengendalian Internal
Sumber: Data primer yang diolah, 2016 Berdasarkan tabel 4.14 diatas terlihat bahwa nilai
tolerance diatas 0,1 dan nilai Variance Inflation Factor VIF dibawah angka 10 untuk setiap variabel, yang ditunjukkan
dengan nilai tolerance dan VIF untuk peran adalah 0,466 dan 2,144. Variabel profesionalisme memiliki nilai tolerance 0,452
serta VIF 2,210. Kemudian variabel pengalaman kerja dengan
86 nilai tolerance 0,406 dan VIF 2,465. Dan untuk variabel
pengetahuan IT memiliki nilai tolerance 0,760 dan VIF 1,315. Dengan demikian, dapat disimpulkan bahwa model persamaan
regresi tidak terdapat problem multiko atau tidak ada korelasi antar variabel independen dan dapat digunakan dalam penelitian
ini.
b. Hasil Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi, variabel dependen dan variabel
independen atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal
atau mendekati normal. Dalam penelitian ini, uji normalitas dilakukan dengan menggunakan analisis grafik histogram dan
probability plot dan uji statistik Kolmogorov-Smirnov K-S. Dasar pengambilan keputusan pada uji grafik histogram dan
grafik normal p-plot adalah dengan melihat bentuk grafik dan persebaran
titik-titik residual.
Sedangkan pengambilan
keputusan dalam uji K-S adalah dengan melihat nilai probabilitas
signifikansi data
residual. Apabila
angka probabilitas lebih dari 0,05 berarti data terdistribusi secara
normal. Adapun hasil uji normalitas menggunakan Kolmogorov- Smirnov K-S dapat dilihat dalam tabel 4.15.
87
Tabel 4. 15 Hasil Uji Normalitas Menggunakan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 71
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 4,09640120
Most Extreme Differences Absolute
,061 Positive
,054 Negative
-,061 Test Statistic
,061 Asymp. Sig. 2-tailed
,200
c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. d. This is a lower bound of the true significance.
Sumber: Data primer yang diolah, 2016. Menurut tabel 4.12 diatas, hasil uji K-S menunjukkan
bahwa data terdistribusi normal. Hal ini terlihat dari nilai probabilitas sebesar 0,200 lebih besar dari 0,05. Sehingga model
penelitian ini memenuhi uji asumsi klasik normalitas. Hasil yang sama juga ditunjukkan oleh pengujian menggunakan grafik
normal p-plot pada gambar 4.1 dan histogram pada gambar 4.2.
88
Gambar 4. 1 Hasil Uji Normalitas Menggunakan Grafik P-Plot
Sumber: Data primer yang diolah, 2016.
Gambar 4. 2 Hasil Uji Normalitas Menggunakan Grafik Histogram
Sumber: Data primer yang diolah, 2016. Gambar 4.1 dan 4.2 memperlihatkan penyebaran data
yang berada di sekitar garis diagonal dan bentuk grafik yang simetris. Hal ini menunjukkan bahwa model regresi telah
memenuhi asumsi normalitas.
89
c. Hasil Uji Heteroskedastisitas