sebesar 0,743. Dengan demikian pengukuran reliabilitas menunjukkan bahwa variabel-variabel tersebut sudah reliabel.
5.3. Uji Asumsi Klasik
Model regresi yang diperoleh dari metode kuadrat terkecil biasanya merupakan model regresi yang menghasilkan perkiraan linier tidak bias yang
terbaik. Kondisi ini akan terjadi jika dipenuhi beberapa asumsi klasik meliputi uji normalitas data, uji multikoleniearitas, dan uji heteroskedastisitas.
5.3.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi linier variabel terikat dan variabel bebas keduanya mempunyai distribusi
normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Cara untuk melihat normalitas adalah dengan melihat
histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun demikian dengan hanya dengan melihat
histogram hal ini dapat menyesatkan khususnya untuk sampel yang kecil jumlahnya. Metode yang lebih handal adalah dengan melihat normal probability
plot yang membandingkan distribusi komulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal.
Distribusi normal akan membentuk satu garis lurus diagonal, dan plooting data akan dibandingkan dengan garis diagonal. Jika distribusi data adalah
normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali 2001:74. Uji normalitas data dapat dilihat pada
gambar 5.7 berikut:
Universitas Sumatera Utara
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Y
Gambar 5.7. Uji Normalitas
Berdasarkan gambar 5.7 grafik normal plot, menunjukkan bahwa model regresi layak dipakai dalam penelitian ini karena pada grafik normal plot terlihat
titik-titik menyebar disekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal sehingga memenuhi asumsi normalitas.
5.3.2. Uji Multikoleniearitas
Untuk menguji apakah terdapat interkorelasi yang sempurna di antara beberapa variabel bebas yang digunakan dalam persamaan regresi digunakan uji
multikoleniaritas. Uji multikoleniearitas menggunakan nilai tolerance dan VIF Varian Inflation Factor. Berdasarkan hasil uji korelasi diantara variabel
independen dengan melihat nilai VIF dan nilai tolerance dapat disimpulkan tidak
Universitas Sumatera Utara
Regression Standardized Predicted Value
4 2
-2
R egressi
on St
udent iz
ed R
esi dual
3 2
1
-1 -2
Scatterplot Dependent Variable: Y
terjadi multikoleniaritas. Hal ini didukung denga nilai VIF yang relative kecil tidak ada yang lebih besar dari 10 dan nilai tolerance tidak kurang dari 0,1
Ghozali, 2007.
Tabel 5.11. Uji Multikoleniearitas
Model Collinearity Statistics
Keterangan Tolerance
VIF 1 Constant
X1 .780
1.283 Non multikoliniearitas
X2 .586
1.705 Non multikoliniearitas
a Dependent Variable: Y Dari tabel 5.11 terlihat bahwa variabel peran auditor internal memiliki
nilai VIF sebesar 1,283 dan nilai tolerance sebesar 0,78, dan variabel pelaksanaan fungsi manajemen memiliki nilai VIF sebesar 1,705 dan nilai tolerance sebesar
0,586. Hal ini menandakan bahwa model regresi yang dihasilkan tidak terjadi multikoliniearitas dan baik untuk digunakan.
5.3.3. Uji Heteroskendastisitas
