Uji Multikolinieritas Uji Kualitas Data

yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Ada tidaknya korelasi antar variabel tersebut dapat dideteksi dengan melihat nilai tolerance dan Variance Inflation Factor VIF. Apabila nilai tolerance 0,1 dan VIF 10, maka dinyatakan tidak ada korelasi sempurna antar variabel independen dan sebaliknya Ghozali, 2006. Hasil uji multikolinieritas dapat dilihat tabel 4.6 berikut: TABEL 4.6 UJI MULTIKOLINIERITAS Sumber: Data Primer, diolah SPSS 2015 Pada tabel 4.6 di atas diketahui masing-masing nilai VIF sebagai berikut: a. Nilai VIF untuk variabel kejelasan sasaran anggaran adalah 1,687 10 dengan nilai Tolerance variabel kejelasan sasaran anggaran adalah 0,846 0,10 maka variabel kejelasan sasaran anggaran dapat dinyatakan tidak terjadi gejala multikolinearitas. b. Nilai VIF untuk variabel partisipasi anggaran adalah 1,256 10 dengan nilai Tolerance variable partisipasi anggaran adalah 0,796 0,10 maka variabel partisipasi anggaran dapat dinyatakan tidak terjadi gejala multikolinearitas. Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations Collinearity Statistics B Std. Error Beta Zero- order Partial Part Toler ance VIF 1 Constant 25,510 3,560 7,166 ,000 Kejelasans asaranang garan ,234 ,111 ,226 2,114 ,037 ,274 ,206 ,201 ,846 1,678 Partisipasi anggaran ,098 ,097 ,108 1,009 ,316 ,210 ,100 ,096 ,796 1,256 a. Dependent Variable: kinerjamanajerial

4.4.3 Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2009:139. 1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.3 dibawah ini: GAMBAR 4.3 GRAFIK SCATTERPLOT Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.

4.4.4 Uji Autokorelasi

Uji ini dilakukan dengan menggunakan analisis Durbin Watson DW test. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dL dan dU untuk k = jumlah variabel bebas