Uji Asumsi Klasik Regresi Pertama

4.5.1 Uji Asumsi Klasik Regresi Pertama

1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi

Tabel 4.9

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 76 Normal Parameters(a,b)

Mean

2,68706598 Most Extreme Differences

Std. Deviation

-,087 Kolmogorov-Smirnov Z

Negative

,760 Asymp. Sig. (2-tailed)

Sumber: Data primer yang diolah, 2012 Hasil pengujian normalitas data dengan Uji One Sample Kolmogorof-Smirnov Test di atas menunjukkan nilai Asymp. Sig (2- tailed) sebesar 0,610 yang lebih tinggi dari 0,05. Sehingga dikatakan data residual berdistribusi normal.

2. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas atau independen (Ghozali, 2006). Dalam pengertian sederhana setiap variabel bebas menjadi variabel terikat dan diregresi terhadap variabel bebas lainnya. Multikolinearitas terjadi apabila antar variabel bebas terdapat hubungan yang signifikan. Jadi Nilai Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas atau independen (Ghozali, 2006). Dalam pengertian sederhana setiap variabel bebas menjadi variabel terikat dan diregresi terhadap variabel bebas lainnya. Multikolinearitas terjadi apabila antar variabel bebas terdapat hubungan yang signifikan. Jadi Nilai

Tabel 4.10

Hasil Pengujian Multikolinearitas

Collinearity Statistics Model

Tolerance VIF

1 (Constant) Kualitas SDM

Pemanfaatan TI

Pengendalian Intern Akuntansi

Sumber : Data primer yang diolah, Output SPSS.

Hasil perhitungan nilai tolerance menunjukan semua variabel bebas memiliki nilai tolerance lebih 0,10. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukan semua variabel bebas memiliki nilai VIF < 10. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel bebas dalam model regresi.

3. Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (Ghozali, 2006). Berikut merupakan hasil pengujian autokorelasi. Uji autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (Ghozali, 2006). Berikut merupakan hasil pengujian autokorelasi. Uji autokorelasi

Tabel 4.11

Hasil Autokorelasi

Ada autokorelasi positif

Sumber: Data primer yang diolah 2012

Dari tabel di atas dapat diketahui nilai DW sebesar 1,537. Nilai ini lebih besar dari nilai 0 dan lebih kecil dari nilai dl (0 < 1,537 < 1546, sehingga dapat disimpulkan ada autokorelasi positif. Dikarenakan penelitian ini bukan penelitian time series, maka uji autokorelasi dapat diabaikan.

4. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residu satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas, dan jika berbeda disebut heteroskedastisitas. Pengujian heteroskedastisitas dalam penelitian ini menggunakan uji Glejser. Dengan asumsi jika variabel independen signifikan secara statistik mempengaruhi Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residu satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas, dan jika berbeda disebut heteroskedastisitas. Pengujian heteroskedastisitas dalam penelitian ini menggunakan uji Glejser. Dengan asumsi jika variabel independen signifikan secara statistik mempengaruhi

Dari hasil pengolahan SPSS diperoleh sebagai berikut:

Tabel 4.12

Uji Heteroskedastisitas

Unstandardized

Standardized

Coefficients Model

Coefficients

t Sig. 1 (Constant)

B Std. Error Beta

-,482 ,631 Kualitas SDM

1,500 ,138 Pemanfaatan TI

,250 ,803 Pengendalian Intern Akuntansi -,039

-,120 -,656 ,514 a Dependent Variable: Abs1

Hasil tampilan output SPSS menunjukkan tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependent nilai absolute. Hal ini dilihat dari nilai probabilitasnya (sig) di atas 0,05 (sig > 0,05), sehingga dapat disimpulkan tidak terjadi masalah heteroskedastisitas.