bantuan program statistik normalitas data, uji multikolinearitas, uji autokorelasi dan uji heteroskedastisitas.
4.1.2.1 Uji Normalitas
Uji normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov dan Normal P-P
Plot Regression. Uji normalitas pertama dalam penelitian ini
dilakukan dengan menggunakan uji Kolmogorov-Smirnov dengan nilai probabilitas 5, maka residual berdistribusi normal dan jika
probabilitas 5 maka residual tidak berdistribusi normal. Berikut ini merupakan tabel pengujian normalitas dengan uji Kolmogorov-
Smirnov.
Tabel 4.2 Hasil Uji Kolmogorov-Smirnov
Sumber: Output SPSS, 2016
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 198
Normal Parameters
a,b
Mean .0000000
Std. Deviation .28785529
Most Extreme Differences Absolute
.082 Positive
.082 Negative
-.072 Kolmogorov-Smirnov Z
1.151 Asymp. Sig. 2-tailed
.141 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
Terlihat bahwa nilai K-S 1,151 dengan siginifikansi 0,141. Hal ini berarti asymptotic significance lebih besar dari 0,05
sehingga dari hasil tersebut dapat dikatakan bahwa residual berdistribusi normal dan asumsi normalitas dapat dipenuhi
sehingga bisa dilakukan regresi linier. Uji normalitas kedua dilakukan dengan menggunakan
analisis grafik Normal P-P Plot Regression, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, hal ini menunjukkan data yag telah terdistribusi secara normal.
Gambar 4.1 Hasil Uji Normalitas
Sumber: Output SPSS, 2016
Grafik Normal P-P Plot of Regression di atas memperlihatkan titik-titik menyebar sepanjang garis diagonal,
maka residual mengikuti distribusi normal sehingga dapat
Universitas Sumatera Utara
disimpulkan bahwa model regresi yang dipakai telah terdistribusi dengan normal.
4.1.2.2 Hasil Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi.
Model yang baik adalah model yang tidak memiliki korelasi yang kuat antar variabel-variabel bebasnya, jika korelasi terjadi maka
variabel-variabel tersebut terjadi kemiripan. Metode yang digunakan untuk menguji adanya multikolinearitas pada penelitian
ini adalah VIF varian inflated factordimana apabila nilai VIF 10, dikatakan terjadi multikolinearitas dan sebaliknya, apabila VIF
10, maka dapat maka dapat dikatakan tidak terjadi
multikolineritas: Tabel 4.3
Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
.320 .083
3.845 .000
StabilitasKeuangan .058
.126 .029
.462 .645
.979 1.022
TekananEksternal -.071
.066 -.068
-1.078 .282
.940 1.064
TargetKeuangan -.610
.148 -.257
-4.114 .000
.952 1.050
KondisiIndustri 1.184
.164 .444
7.223 .000
.986 1.014
EfektivitasPengawasan .270
.174 .095
1.551 .122
.986 1.014
Rasionalisasi -.037
.050 -.045
-.732 .465
.977 1.024
a. Dependent Variable: FraudulentFinancialReporting
Universitas Sumatera Utara
Dari tabel 4.3 di atas dapat dilihat bahwa nilai VIF dari variabel bebas dalam penelitian ini bernilai 10 dan nilai
Tolerance 0,1 maka dapat diasumsikan bahwa model terbebas
dari asumsi multikolinearitas sehingga dapat dilakukan uji regresi linier.
4.1.2.3 Uji Autokorelasi
Kategori