D. Analisis Uji Asumsi Klasik
Uji ini digunakan untuk menguji apakah variabel independen, variabel dependen atau keduanya memiliki distribusi normal atau tidak.
1 ,
,
Untuk mengetahui model regresi variabel dependen, independen dan keduanya berdistribusi normal atau tidak dapat dilihat dalam gambar
berikut:
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xp
ec te
d C
um P
ro b
Dependent Variable: keberhasilan bisnis kecil Normal P-P Plot of Regression Standardized Residual
Gambar 4.1
Uji Normalitas
Uji multikolinearitas digunakan untuk mendeteksi ada atau tidaknya hubungan antara beberapa variabel independen atau semua
variabel independen dalam model regresi. Multikolinearitas merupakan keadaan dimana satu atau lebih variabel independen dalam dinyatakan
sebagai kondisi linier dengan variabel lainya. Artinya bahwa jika diantara peubah-peubah bebas yang digunakan sama sekali tidak berkolerasi satu
dengan yang lain maka bisa dikatakan bahwa tidak terjadi multikolinearitas.
Tabel 4.6 Uji multikolinieritas
Variabel Tolerance
VIF Persepsi Manajer tentang Informasi
.566 1.767
Ketidakpastian tugas manajer .566
1.767
Sumber : Data primer yang telah diolah
Berdasarkan tabel diatas hasil uji dapat dilihat melalui Variance Inflation
Factor VIF masing–masing variabel independen memiliki VIF tidak lebih dari 10 dan nilai Tolerance 0.1. Maka dapat diyatakan model
regresi linier berganda bebas dari asumsi multikolinieritas.
1 -1
-2
Regression Standardized Predicted Value
4 2
-2 -4
Re gr
es si
on S
tu de
nt iz
ed R
es id
ua l
Dependent Variable: keberhasilan bisnis kecil Scatterplot
Gambar 4.2 Hasil Uji Heterokedastisitas
Sumber: Data primer yang diolah Output SPSS For Windows Version 15.00 pada gambar diatas
terlihat bahwa data tersebar dibawah dan diatas sekeliling angka 0 0, titik data tidak berkumpul dan tidak membuat pola. Maka dapat dikatakan
bahwa persyaratan Heterokedastisitas dapat terpenuhi.
1 2 .
Model Summaryb
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.750a .562
.544 3.50322
1.878 a Predictors: Constant, ketidakpastian tugas manager, informasi manager
b Dependent Variable: keberhasilan bisnis kecil
Sumber: Data primer yang diolah Koefisien determinasi Adjusted R Square menunjukan seberapa
besar variabel independen dapat menjelaskan variabel dependen Ghozali, 2002:45. Hasil Output SPSS pada tabel diatas menunjukan koefisien
determinasi sebesar 0,544 artinya persepsi manajer mengenai informasi akuntansi keuangan dan ketidakpastian tugas manajer berpengaruh terhadap
keberhasilan bisnis perusahaan kecil sebesar 54 sedangkan sisanya 46 dipengaruhi variabel lain yang tidak diketahui dan tidak termasuk dalam
analisis regresi ini.
1 ,
, ,
, 3
. ,
3 1
3
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
16.683 2.280
7.317 .000
informasi manager
.633 .154
.528 4.116
.000 .566
1.767 ketidakpas
tian tugas manager
.251 .112
.288 2.245
.029 .566
1.767
a Dependent Variable: keberhasilan bisnis kecil
Sumber: Data primer yang diolah Dari hasil pengolahan data pada tabel diatas nilai t hitung pada
variabel X adalah:
- .
, 4
. 556 7
. .
.
- ,
8 4 7
, .
9 .
, ,
8
8 3
1 :
ANOVAb
Model Sum of
Squares df
Mean Square
F Sig.
1 Regression
740.569 2
370.284 30.172 .000a
Residual 576.811
47 12.273
Total 1317.380
49 a Predictors: Constant, ketidakpastian tugas manager, informasi manager
b Dependent Variable: keberhasilan bisnis kecil
Sumber: Data primer yang diolah Dari tabel data uji F diatas dapat dilihat bahwa nilai F hitung
adalah 30,172 dan F tabel sebesar 3,15 artinya F hitung F tabel atau signifikansi sebesar 0,000 jauh lebih kecil dari 0,05 maka regresi bias
dipakai untuk memprediksi variabel keberhasilan bisnis perusahan kecil atau dengan kata lain variabel independen persepsi manajer mengenai
informasi akuntansi keuangan dan ketidakpatian tugas manajer secara simultan berpengaruh secara signifikan terhadap keberhasilan bisnis
perusahaan kecil.
G. Pembahasan