Smirnof. Dasar pengambilan keputusan berdasarkan probabilitas. Jika probabilitas 0,05 maka data penelitian berdistribusi normal.
3.6.2.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk memastikan bahwa data yang digunakan berdistribusi normal dan dalam model tidak mengandung multikolinieritas,
heteroskedastisitas dan autokorelasi.
1 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Ghozali 2006:93
menyatakan bahwa model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika antar variabel independen ada korelasi yang
cukup tinggi umumnya diatas 90, maka hal ini merupakan indikasi adanya multikolinieritas. Multikolinieritas dapat dilihat dari nilai Tolerance dan nilai
Variance Inflation Factor VIF. Nilai yang umum digunakan untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance 0,10 atau sama dengan nilai VIF
10. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel bebas, dengan kata lain tidak terjadi multikolinieritas.
2 Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan
yang lain. Jika varian dari residual satu pengamatan ke pengamatan tetap maka disebut homoskedastisitas, jika berbeda disebut heteroskedastisitas. Ghozali
2006:105 menyebutkan model regresi yang baik adalah yang homoskedastisitas
atau tidak terjadi heteroskedastisitas. Hasil analisis dapat dilihat dari hasil output SPSS pada grafik Scatterplot. Model yang bebas dari heteroskedastisitas memiliki
grafik scatterplot dengan pola titik yang menyebar di atas dan di bawah sumbu Y.
3.6.2.3 Analisis Regresi Linier Berganda
Analisis regresi dilakukan untuk membuat model matematika yang dapat menunjukkan hubungan antara variabel bebas dengan variabel terikat.Analisis
regresi yang dapat digunakan adalah analisis regresi berganda. Analisis regresi linier berganda adalah hubungan secara linier dua atau lebih variabel independent
X
1
, X
2
, …,X
n
dengan variabel dependen Y. Langkah-langkah yang digunakan adalah:
Y= α + β
1
x
1
+ β
2
x
2
+e Keterangan:
Y = variabel dependen prestasi belajar akuntansi
a = konstanta
β
1
= koefisien variabel x
1
β
2
= koefisien variabel x
2
x
1
= motivasi belajar x
2
= lingkungan sekolah
e =
error yang diterima
3.6.2.4 Uji Hipotesis Penelitian
