Hasil Uji Asumsi Klasik

116 bantuan program SPSS 20. Nilai alpha bervariasi dari 0 – 1, suatu pertanyaan dapat dikategorikan reliabel jika nilai alpha lebih besar dari 0,70 dalam Ghozali, 2013:48. Tabel 4.10 Hasil Uji Reliabilitas Variabel Cronbachs Alpha N of Items Keterangan Efektivitas Peran Auditor Internal 0,913 15 Reliabel Pendeteksian Fraud 0,881 15 Reliabel Penerapan Good Corporate Governance 0,879 15 Reliabel Sumber: Data primer yang diolah Tabel di atas menunjukkan nilai cronbach’s alpha atas variabel efektifitas peran auditor internal sebesar 0,913, variabel pendeteksian fraud sebesar 0,881 dan variabel good corporate governance sebesar 0,879. Sehingga dapat disimpulkan bahwa pernyataan dalam kuesioner semua variabel ini reliabel karena mempunyai nilai cronbach’s alpha lebih besar dari 0,70.

3. Hasil Uji Asumsi Klasik

a. Hasil Uji Normalitas Data

Data-data bertipe skala sebagai pada umumnya mengikuti asumsi distribusi normal. Namun, tidak mustahil suatu data tidak mengikuti asumsi normalitas. Untuk mengetahui kepastian sebaran data yang diperoleh harus dilakukan uji normalitas terhadap data yang 117 bersangkutan. Dengan demikian, analisis statistika yang pertama harus digunakan dalam rangka analisis data adalah analisis statistik berupa uji normalitas. Uji normalitas bertujuan untuk menguji variabel independen dan variabel dependen yaitu efektivitas peran auditor internal dan pendeteksian fraud terhadap penerapan good corporate governance keduanya memiliki distribusi normal atau tidak. Terdapat dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik uji Kolmogorov – smirnov, adapun penjelasan mengenai uji normalitas data adalah sebagai berikut Ghozali, 2013:160: 1 Hasil Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendeteksi distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk suatu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal Ghozali, 2013:163. Adapun hasil perhitungan uji normalitas dengan melihat dari segi grafik yang ditunjukan pada gambar grafik p-p plot berikut ini: 118 Gambar 4.1 Hasil Uji Normalitas Data Secara Grafik Sumber: data primer yang diolah Pada grafik normal plot terlihat titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Kedua grafik ini menunjukkan bahwa model regresi layak dipakai karena asumsi normalitas Ghozali 2013:163. 2 Hasil Uji Normalitas secara Statistik Uji normalitas secara grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik Ghozali, 2011:163. Adapun hasil perhitungan uji normalitas secara statistic yang dilihat berdasarkan uji kolmogorof- smirnov adalah sebagai berikut: 119 Tabel 4.11 Hasil Uji Normalitas Secara Statistik One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 70 Normal Parameters a,b Mean .0000000 Std. Deviation .22557281 Most Extreme Differences Absolute .082 Positive .061 Negative -.082 Test Statistic .082 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 Berdasarkan uji kolmogorov-smirnov dapat diketahui bahwa nilai unstandardized residual memiliki nilai sig. 0,05, ini mengartikan bahwa semua data terdistribusi dengan normal.

b. Hasil Uji Multikolinearitas

Pengujian multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Untuk mendeteksi adanya problem multikolinearitas, maka dapat dilakukan dengan melihat nilai tolerance dan variance inflation factor VIF serta besaran korelasi antar variabel independen. Tabel 4.12 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant EPAI .261 3.836 PF .261 3.836 a. Dependent Variable: GCG Sumber: data primer yang diolah Pada tabel di atas menunjukkan bahwa masing-masing variabel mempunyai nilai tolerance mendekati angka 1 dan nilai variance inflation factor VIF disekitar angka 1. efektifitas peran auditor internal mempunyai nilai tolerance 0,261, pendeteksian fraud mempunyai nilai 120 tolerance 0,261 dan efektifitas peran auditor internal mempunyai nilai VIF 3,836, pendeteksian fraud mempunyai nilai VIF 3,836. Dengan demikian, dapat disimpulkan bahwa persamaan regresi tidak terdapat problem multikolinearitas karena nilai tolerance di atas 0,10 dan nilai VIF variance inflation factor di bawah 10.

c. Hasil Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan yang lain. Heteroskedastisitas menunjukan bahwa variasi variabel tidaksama untuk semua pengamatan. Pada heterokedastisitas kesalahan yang terjadi tidak secara acak tetapi menunjukan hubungan yang sistematis sesuai dengan besarnya satu atau lebih variabel. Berdasarkan hasil pengolahan data, maka hasil Scatterplot dapat dilihat pada gambar berikut: Gambar 4.2 Hasil Uji Heteroskedastisitas Sumber: data primer yang diolah 121 Dari grafik Scatterplot yang ada pada gambar di atas dapat dilihat bahwa titik-titik menyebar secara acak, serta tersebar baik di atas maupun dibawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi Ghozali 2013:139.

4. Hasil Koefisien Determinasi Adjusted R