5.3 Uji Asumsi Klasik
Pada analisis ini perlu dilihat terlebih dahulu apakah data tersebut bisa dilakukan pengujian model regresi. Pengujian asumsi klasik dilakukan untuk
menentukan model regresi dapat diterima secara ekonometrik. Pengujian asumsi klasik terdiri dari pengujian normalitas, pengujian multikolinieritas dan pengujian
heteroskedastisitas. Data yang disajikan pada penelitian ini adalah data cross section. Oleh karena itu, pengujian autokorelasi tidak perlu dilakukan.
5.3.1 Uji Normalitas
Berdasarkan hasil uji normalitas dengan menggunakan uji Kolmogorov Smirnov dan dengan melihat uji grafik, maka dapat disimpulkan bahwa data
mempunyai distribusi normal. Jika nilai probabilitas asymp.sig 2-tailed pada uji Kolmogorov Smirnov lebih besar dari 0,05 maka dapat dinyatakan bahwa data
berdistribusi normal, sebaliknya jika probabilitas asymp.sig 2-tailed lebih kecil dari 0,05 maka dapat disimpulkan bahwa data berdistribusi tidak normal Ghozali,
2006.
Tabel 5.6 Uji Normalitas Unstandardized
Residual
N 57
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .44717053
Most Extreme Differences Absolute
.073 Positive
.066 Negative
-.073 Kolmogorov-Smirnov Z
.551 Asymp. Sig. 2-tailed
.922
Berdasarkan Tabel 5.6 dapat dilihat bahwa nilai Kolmogorov-Smirnov sebesar 0,551 dengan tingkat signifikansi sebesar 0,922. Karena nilai asymp.sig
Universitas Sumatera Utara
2-tailed lebih besar dari 0,05, maka dapat disimpulkan bahwa data berdistribusi normal. Adapun hasil pengujian normalitas dengan menggunakan Normal P-P
Plot terdapat pada Gambar 5.1 berikut.
Gambar 5.1 Pengujian Normalitas
Selain itu, dengan menggunakan melihat grafik Normal P-P Plot dapat disimpulkan juga bahwa data berdistribusi normal, hal ini terlihat dari data yang
mengikuti garis diagonal sebagaimana terlihat pada Gambar 5.1.
5.3.2 Uji Multikolinearitas
Berdasarkan hasil uji korelasi diantara variabel independen dengan melihat nilai VIF dan nilai tolerance dapat disimpulkan tidak terjadi masalah
multikolinieritas. Hal ini didukung dengan nilai VIF yang relatif kecil, yaitu tidak ada yang lebih besar dari 10 dan nilai tolerance tidak kurang dari 0,1 Ghozali,
2006
Universitas Sumatera Utara
Tabel 5.7 Uji Multikolinearitas
Model Collinearity Statistics
Keterangan Tolerance
VIF 1
Constant Lingkungan Pengendalian
.269 3.722
Non Multikolinearitas Penilaian Risiko
.285 3.508
Non Multikolinearitas Kegiatan Pengendalian
.324 3.086
Non Multikolinearitas Informasi dan Komunikasi
.280 3.571
Non Multikolinearitas Pemantauan
.310 3.226
Non Multikolinearitas Sumber : Lampiran 6
Pada Tabel 5.7 terlihat bahwa variabel lingkungan pengendalian memiliki nilai VIF sebesar 3,722 dan nilai tolerance sebesar 0,269, variabel penilaian risiko
memiliki nilai VIF sebesar 3,508 dan nilai tolerance sebesar 0,285, variabel kegiatan pengendalian memiliki nilai VIF sebesar 3,086 dan nilai tolerance
sebesar 0,324, variabel informasi dan komunikasi memiliki nilai VIF sebesar 3,571 dan nilai tolerance sebesar 0,280 dan variabel pemantauan memiliki nilai
VIF sebesar 3,226 dan nilai tolerance sebesar 0,310. Hal ini dapat dinyatakan bahwa diantara variabel independen tidak terjadi masalah multikolinieritas.
5.3.3 Uji Heteroskedastisitas