4.3.2 Uji Multikolinearitas
Uji multikolinearitas dalam penelitian ini adalah dengan melihat koefisien Variance Inflation Factor VIF dan nilai Tolerence. Menurut
Ghozali 2006:91 bahwa nilai cutoff yang umum dipakai untuk menunjukan multikolinearitas adalah nilai Tolerance 0.1 atau sama
dengan nilai VIF 10, dengan kata lain data yang baik dapat dilihat apabila memiliki nilai Tolerence 0.1 dan VIF 10 dan apabila nilai Tolerence dan
VIF tidak sesuai dengan ketentuan tersebut maka data tersebut mengandung multikolinearitas. Uji multikolinearitas dapat dilihat dari table 4.3 berikut:
Tabel 4.3 HASIL UJI MULTIKOLONIERITAS
Model Collinearity Statistics
Tolerance VIF
Constant KOMITE AUDIT
.856 1.168
PROPORSI DEWAN KOMISARIS INDEPENDEN
.842 1.188
KEPEMILIKAN MANAJERIAL .862
1.160 KUALITAS AUDITOR
.897 1.114
PROFITABILITAS .883
1.200
Sumber : Diolah dari SPSS, 2015
Tabel 4.3 menunjukkan bahwa penelitian ini bebas dari adanya gejala multikolinearitas. Hal ini dapat dilihat dengan membandingkan nilai
tolerance dan VIF. Masing-masing variabel independen yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,1. Untuk
Komite Audit memiliki nilai tolerance 0.8560.1; Proporsi Dewan Komisaris Independen memiliki nilai tolerance 0.8420.1; Kepemilikan
Manajerial memiliki nilai tolerance 0.8620.1; Kualitas Auditor memiliki nilai tolerance 0.8970.1 dan Profitabilitas memiliki nilai tolerance
0.8830.1. Jika dilihat dari VIF, masing-masing variabel independen lebih kecil dari 10 yaitu Komite Audit memiliki VIF 1.16810; Proporsi Dewan
Komisaris Independen memiliki VIF 1.18810; Kepemilikan Manajerial memiliki VIF 1.16010; Kualitas Auditor memiliki VIF 1.11410 dan
Profitabilitas memiliki VIF 1.20010. Maka kesimpulan yang diperoleh adalah tidak terjadi gejala multikolinearitas dalam variabel independennya.
4.3.3 Uji Heteroskedastisitas
Uji ini dilakukan untuk mengetahui apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan
yang lain.
Scatterplot
Gambar 4.3 Grafik
Scatterplot Sumber: Diolah dengan SPSS, 2015.
Dari grafik scatterplot yang telah disajikan diatas terlihat bahwa titik-titik menyebar secara acak baik diatas maupun dibawah angka 0 pada sumbu Y
yang tidak membentuk pola secara teratur. Titik-titik yang menyebar menjauh dari titik-titik yang lain yang berarti mengindikasikan bahwa data
observasi yang berbeda dari penelitian lainnya. Disimpulkan bahwa data ini homoskesdastisitas dan tidak heteroskedastisitas.
4.3.4 Uji Autokorelasi