56 Berdasarkan grafik normal plot pada gambar 4.2 menunjukkan bahwa
model regresi layak dipakai dalam penelitian ini karena pada grafik normal plot terlihat titik-titik menyebar di sekitar garis diagonal serta penyebarannya
mengikuti arah garis diagonal sehingga memenuhi asumsi normalitas. Pengujian normalitias dapat juga diuji secara statistik dengan menggunakan uji Kolmogorov-
Smirnov. Uji K-S dibuat dengan membuat hipotesis: H
: Data resi dual berdistribusi normal; Bila sig 0,05 dengan α = 5,
H
1
: Data residual tidak berdistribusi normal; bila sig 0,05 dengan α = 5,
Hasil dari uji normalitas dengan menggunakan tes Kolmogorov- Smirnov ditunjukkan pada tabel 4.39 berikut :
Tabel 4.39 Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a
Mean .0000000
Std. Deviation 3.75998515
Most Extreme Differences Absolute
.149 Positive
.094 Negative
-.149 Kolmogorov-Smirnov Z
.940 Asymp. Sig. 2-tailed
.340 a. Test distribution is Normal.
Sumber : Data primer yang diolah, 2016
4.5.2 Hasil Uji Multikolinearitas
Uji Multikolinearitas dalam penelitian ini adalah dengan melihat koefisien Variance Inflation Factor VIF dan nilai Tolerance. Menurut Nunnally 1967
Universitas Sumatera Utara
57 bahwa: “Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai nilai VIF 10”, dengan kata lain data yang baik dapat dilihat apabila memiliki nilai VIF lebih kecil dari 10 dan apabila nilai VIF
tidak sesuai dengan ketentuan tersebut maka data penelitian mengandung multikolinearitas yang berarti tidak layak digunakan sebagai data penelitian.
Berikut adalah hasil uji multikolinearitas :
Tabel 4.40 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Sistem Informasi Akuntansi .618
1.618 Internal Control
.618 1.618
a. Dependent Variable: Kualitas Laporan Keuangan Pemerintah Daerah
Sumber : Data primer yang diolah, 2016 Hasil perhitungan nilai Variance Inflation Factor VIF menunjukkan
bahwa tidak ada nilai VIF dari kedua variabel independen yang memiliki nilai 10, dengan nilai VIF untuk masing-masing variabel independen Sistem Informasi
Akuntansi dan Internal Control adalah 1,618. Jadi tidak ada variabel independen yang memiliki nilai VIF lebih kecil dari 10. Maka kesimpulan yang diperoleh
adalah tidak terjadi gejala multikolinearitas dalam variabel independennya.
Universitas Sumatera Utara
58
4.5.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain.
Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka dapat disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Homoskedastisitas dapat diketahui dengan melakukan pembuatan plot residual. Bila titik tebaran tidak berpola tertentu dan menyebar merata disekitar
garis titik nol maka dapat disebut varian homogen pada setiap nilai X dengan demikian asumsi homoskedastisitas terpenuhi. Sebaliknya bila titik tebaran
membentuk pola tertentu misalnya mengelompok di bawah atau di atas garis tengah nol, maka diduga variannya terjadi heteroskedastisitas.
Gambar 4.3 Grafik Scatter Plot
Universitas Sumatera Utara
59 Berdasarkan gambar 4.3, grafik scatterplot menunjukkan bahwa data
tersebar diatas dan dibawah angka 0 nol pada sumbu Y dan tidak terdapat suatu pola yang jelas pada penyebaran data tersebut. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi. Jadi dapat disimpulkan bahwa model regresi penelitian ini layak digunakan untuk memprediksi Kualitas Laporan
Keuangan Pemerintah Daerah berdasarkan variabel yang mempengaruhinya, yaitu Sistem Informasi Akuntansi dan Internal Control.
4.6 Uji Hipotesis 4.6.1 Uji Signifikansi Parsial Uji Statistik t
