4.3. Analisis dan Uji Hipotesis 4.3.1. Uji Normalitas
Uji Normalitas dapat dilakukan dengan berbagai metode diantaranya adalah Kolmogorov Smirnov, dengan kriteria jika tingkat signifikansi lebih
kecil dari 5 p-value 5 maka distribusi adalah tidak normal, dan jika tingkat signifikansi lebih besar dari 5 p-value 5 maka distribusi
adalah normal Sumarsono, 2002 : 43. Dibawah ini adalah hasil uji normalitas pada masing-masing variabel penelitian:
Tabel 4.11 : Hasil Uji Normalitas Variabel Penelitian
Kolmogorov Smirnov
Tingkat signifikan
Partisipasi anggaran X
1
Informasi asimetri X
2
Budget emphasis X
3
Slack anggaran Y 1,148
1,111 1,143
1,114 0,143
0,169 0,147
0,167
Sumber : Lampiran 5 Tabel di atas menunjukkan bahwa tingkat signifikansi pada variabel
partisipasi anggaran X
1
, informasi asimetri X
2
, budget emphasis X
3
dan slack anggaran Y lebih besar dari 5, sehingga dapat dikatakan bahwa data pada variabel tersebut berdistribusi normal.
4.3.2. Analisis Regresi Linier Berganda
Analisis data
untuk menggambarkan pengaruh antara satu variabel
terikat Y dengan beberapa variabel bebas X dapat dilakukan dengan metode regresi linier berganda. Persamaan regresi linier berganda yang
dihasilkan adalah sebagai berikut :
Tabel 4.12 : Hasil Analisis Regresi Linier Berganda Model Koefisien
Regresi Konstanta
Partisipasi anggaran X
1
Informasi asimetri X
2
Budget emphasis X
3
-7,046 0,541
0,197 0,271
Sumber : Lampiran 6 Berdasarkan tabel 4.12 diperoleh persamaan regresi sebagai berikut :
Y = -7,046 + 0,541 X
1
+ 0,197 X
2
+ 0,271 X
3
Konstanta yang
dihasilkan sebesar -7,046 menunjukkan besarnya nilai
dari slack anggaran Y apabila variabel partisipasi anggaran X
1
, informasi asimetri X
2
, budget emphasis X
3
adalah konstan, maka nilai dari slack anggaran Y sebesar -7,046.
Koefisien regresi variabel tindakan partisipasi anggaran X
1
adalah sebesar 0,541 artinya jika variabel partisipasi anggaran X
1
naik satu satuan, maka slack anggaran Y akan naik sebesar 0,541 dengan asumsi
variabel bebas lainnya adalah konstan. Koefisien regresi variabel informasi asimetri X
2
adalah sebesar 0,197 artinya jika variabel informasi asimetri X
2
naik satu satuan, maka slack anggaran Y akan naik sebesar 0,197 dengan asumsi variabel bebas
lainnya adalah konstan. Koefisien
regresi variabel
budget emphasis X
3
adalah sebesar 0,271 artinya jika variabel budget emphasis X
3
naik satu satuan, maka slack anggaran Y akan naik sebesar 0,271 dengan asumsi variabel bebas lainnya
adalah konstan.
4.3.3. Asumsi Klasik
Uji asumsi klasik yang dibahas pada penelitian ini adalah uji multikolinieritas dan heteroskedastisitas.
1. Multikolinearitas
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Pembuktian ada atau tidaknya gejala multikolinearitas
dapat dilakukan dengan cara menghitung VIF Variance inflation Factor. Adapun besaran VIF dari masing-masing variabel bebas adalah
sebagai berikut : Tabel 4.13 : Hasil Nilai VIF
No. Variabel Bebas
Nilai VIF 1.
2. 3.
Partisipasi anggaran X
1
Informasi asimetri X
2
Budget emphasis X
3
2,598 1,575
2,352
Sumber : Lampiran 6 Berdasarkan
tabel di
atas dapat ditunjukkan bahwa nilai VIF pada
variabel partisipasi anggaran X
1
, informasi asimetri X
2
, budget emphasis X
3
lebih kecil 10, sehingga dapat disimpulkan bahwa antar variabel bebas tidak terjadi multikolinearitas atau model regresi linier
berganda yang dihasilkan bebas dari multikolinearitas.
2. Heteroskedastisitas
Heteroskedastisitas dapat diidentifikasikan dengan cara menghitung koefisien korelasi Rank Spearman antara nilai dari residual
dengan seluruh variabel bebas. Berikut ini hasil dari uji Rank Spearman :
Tabel 4.14 : Hasil Korelasi Rank Spearman No. Variabel
Bebas Koefisien Korelasi
Rank Spearman Tingkat
signifikan 1.
2. 3.
Partisipasi anggaran X
1
Informasi asimetri X
2
Budget emphasis X
3
0,181 0,033
0,384 0,433
0,887 0,085
Sumber : Lampiran 6 Berdasarkan
tabel di
atas dapat ditunjukkan koefisien korelasi Rank Spearman pada partisipasi anggaran X
1
, informasi asimetri X
2
, budget emphasis X
3
memiliki tingkat signifikan lebih besar dari 0,05 sig 5, sehingga dapat disimpulkan bahwa antara variabel bebas
dengan residual tidak terjadi heteroskedastisitas atau model regresi linier berganda yang dihasilkan bebas dari heteroskedastisitas.
4.3.4. Uji Hipotesis
