1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagona atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah
garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka regresi tidak memenuhi asumsi normalitas.
Metode lain yang digunakan untuk menguji normalitas adalah metode statistik uji Kolmogrov-Smirnov. Data dikatakan terdistribusi dengan normal bila nilai
signifikansinya 0,05 Ghozali, 2011.
3.8 Model Regresi Linier
Dalam penelitian ini digunakan analisis regresi linier. Regresi linier bertujuan untuk mengetahui pengaruh antara variabel independen dengan
variabel dependen. Model perhitungan formula regresi linier adalah :
P= P= penghentian prematur atas prosedur audit
α = intersep konstanta β = parameter koefisien variabel independen koefisien regresi
tp = time pressure ra = risiko audit
mt = materialitas ke = kesadaran etis
e = disturbance error
3.9 Uji Hipotesis
3.9.1 Uji F
Uji F digunakan pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh
secara simultan
terhadap variabel dependen Ghozali, 2011. Dasar pengambilan keputusan Uji F yaitu dilakukan dengan hanya melihat nilai
signifikansi F yang terdapat pada output hasil regresi menggunakan SPSS. Jika angka signifikansi F-nya lebih kecil dari α 0,05 maka dapat dikatan bahwa ada
hubungan kuat antara variabel independen secara simultan dengan variabel dependen.
3.9.2 Koefisien Determinasi R
2
Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan
variasi variabel independen. Nilai koefisien
determinasi adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat
terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi
variabel dependen Ghozali, 2011.