90 regresi dalam sebuah penelitian dikatakan bebas dari multiko apabila
memiliki nilai Tolerance lebih dari 0,1 VIF kurang dari 10. Dengan demikian, dapat disimpulkan bahwa model persamaan regresi berganda
tidak terdapat problem multiko 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 model data yang memiliki distribusi data secara normal atau mendekati
normal Ghozali, 2013:149.
Gambar 4.1 Hasil Uji Normalitas Menggunakan Grafik P-Plot
Sumber: Data primer yang diolah.
91 Gambar 4.1 di atas memperlihatkan bahwa penyebaran data yang
berbeda di sekitar garis diagonal dan mengikuti arah garis diagonal, ini menunjukkan bahwa model regresi telah memenuhi asumsi normalitas
Ghozali, 2006:149. Hasil uji normalitas berdasarkan output histogram disajikan pada
gambar berikut ini.
Gambar 4.2 Hasil Uji Normalitas Menggunakan Grafik Histogram
Sumber: Data primer yang diolah. Gambar 4.2 di atas menjelaskan tingkat penyebaran data yang
berada sekitar histogram dan mengikuti alur naik turun histogram
92 normalitas data, ini menjelaskan bahwa model regresi telah memenuhi
asumsi normalitas.
Tabel 4.14 Hasil Uji Normalitas Menggunakan Uji Kolmogorov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 39
Normal Parameters
a,,b
Mean 0,0000000
Std. Deviation 2,97087565
Most Extreme Differences
Absolute 0,150
Positive 0,66
Negative -0,150
Kolmogorov-Smirnov Z 0,939
Asymp. Sig. 2-tailed 0,341
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan tabel 4.14 di atas menjelaskan bahwa nilai signifikansi tabel uji normalitas sebesar 0,341. Nilai tersebut di atas
0,05, yang memiliki arti data residual terdistribusi dengan normal.
c. Hasil Uji Heteroskedastisitas
Uji Heteroskedastisitas dapat dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari nilai residual dari
satu pengamatan ke pengamatan lainnya. Untuk menguji suatu uji heteroskedastisitas pihak peneliti menguji dengan 2 bentuk yaitu dalam
bentuk: 1 Grafik Scatterplot, dan 2 Tabel Uji Glejser.
93
1 Scatterplot
Deteksi ada tidaknya heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara
SRESID dan ZPRED, yang diperlihatkan pada gambar 4.3.
Gambar 4.2 Hasil Uji Heteroskedastisitas Menggunakan Grafik P-Plot
Sumber: Data primer yang diolah.
Berdasarkan gambar di atas, grafik scatterplot menunjukkan bahwa data tersebar di atas 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 dalam model persamaan
regresi, sehingga model regresi layak digunakan untuk memprediksi
94 inventory management berdasarkan variabel yang mempengaruhinya,
yaitu sistem informasi akuntansi siklus pendapatan, sistem informasi akuntansi siklus pengeluaran, dan sistem informasi akuntansi siklus
sumber daya manusia.
2 Tabel Uji Glejser
Tabel 4.15 Hasil Uji Heteroskedastisitas Menggunakan Uji Glejser
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant 7,563
4,269 1,771
0,085 TSIAR
-0,149 0,132
-0,317 -1,132
0,266 TSIAE
0,135 0,126
0,247 1,074
0,290 TSIAH
-0,057 0,113
-0,120 -0,504
0,617 a. Dependent Variable: RES2
Berdasarkan tabel 4.15 menjelaskan bahwa nilai probabilitas dari variabel sistem informasi akuntansi siklus pendapatan sebesar 0,266
lebih besar dari 0,05 yang berarti bebas dari heteroskedastisitas, nilai probabilitas dari variabel sistem informasi akuntansi siklus pengeluaran
sebesar 0,290 lebih besar dari 0,05 yang berarti bebas dari heteroskedastisitas, nilai probabilitas dari variabel sistem informasi
akuntansi siklus pendapatan sebesar 0,617 lebih besar dari 0,05 yang berarti bebas dari heteroskedastisitas.
95
4. Hasil Koefisien Determinasi R