berarti bahwa seluruh variabel yang digunakan dalam penelitian ini baik X
1
, X
2,
D, dan Y tersebut adalah berdistribusi normal, sehingga dapat digunakan dalam penelitian.
4.2.2. Uji Asumsi Klasik
Berdasarkan hasil uji asumsi klasik dengan alat bantu komputer yang menggunakan Program SPSS. 16.0 For Windows. diperoleh hasil
sebagai berikut
1. Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada
periode t dengan kesalahan pada periode t-1 sebelumnya. Salah satu cara untuk mendeteksi ada atau tidaknya autokorelasi dengan cara uji
Durbin-Watson DW test, tetapi dalam penelitian ini data yang
digunakan bukan data time series, sehingga untuk Uji Autokorelasi tidak dilakukan. Gujarati, 1999 : 201.
2. Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah dalam persamaan regresi ditemukan adanya korelasi antar variabel bebas.
Salah satu cara untuk mengetahui adanya multikoliniaritas adalah dengan melihat nilai VIF Variance Inflation Factor.
Dasar analisis yang digunakan yaitu jika nilai VIF Variance Inflation Factor
10, maka hal ini berarti dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas
Multikolinieritas Ghozali, 2005 : 57-59
Berdasarkan hasil Uji Multikolinieritas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0, dapat dilihat pada
tabel 4.8, sebagai berikut
Tabel 4.8. Hasil Uji Multkolinieritas
Variabel VIF Keterangan
IPK Mahasiswa X
1
1,02 Bebas Multikolinieritas
Penghasilan Orang Tua Mahasiswa X
2
1,53 Bebas Multikolinieritas
Pendidikan Orang Tua Mahasiswa D 1,55
Bebas Multikolinieritas
Sumber : Lampiran 7
Berdasarkan pada tabel 4.8 di atas menunjukkan bahwa seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2,
dan D mempunyai nilai VIF Variance Inflation Factor lebih kecil dari 10, dan sesuai dengan dasar analisis yang digunakan, maka hal ini
berarti bahwa dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas.
3. Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan lainnya. Salah satu cara untuk mendeteksi ada atau tidak adanya heteroskedastisitas digunakan uji korelasi rank
spearman Dasar pengambilan keputusan menurut Ghozali 2005: 77
yaitu sebagai berikut : 1.
Apabila nilai signifikan hitung sig tingkat signifikan α = 0,05
maka H diterima berarti tidak terjadi heteroskedastisitas.
2. Apabila nilai signifikan hitung sig tingkat signifikan
α = 0,05 maka H
ditolak berarti terjadi heteroskedastisitas.
Berdasarkan hasil Uji Heteroskedastisitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0., dapat dilihat pada
tabel 4.9, sebagai berikut
Tabel 4.9. Hasil Uji Heteroskedastisitas
Variabel
Probabilitas
Sig 2 - tailed Keterangan
IPK Mahasiswa X
1
0,939
Bebas Heteroskedastisitas
Penghasilan Orang Tua Mahasiswa X
2
0,625
Bebas Heteroskedastisitas
Pendidikan Orang Tua Mahasiswa D 0,886
Bebas Heteroskedastisitas
Sumber : Lampiran 8
Berdasarkan pada tabel 4.9 di atas menunjukkan bahwa seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2,
dan D, mempunyai nilai signifikan hitung sig lebih besar dari 0,05, dan sesuai dengan dasar pengambilan keputusan, hal ini berarti bahwa
dalam model regresi tidak terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya atau bebas Heteroskedastisitas
Setelah dilakukan Uji Asumsi Klasik tersebut di atas, maka dapat disimpulkan bahwa model persamaan regresi linier dalam penelitian ini,
bebas dari asumsi dasar klasik tersebut, sehingga pengambilan keputusan melalui uji F dan uji t yang akan dilakukan dalam penelitian ini tidak akan
bias atau sesuai dengan tujuan penelitian.
4.2.3. Teknik Analisis Regresi Linier Berganda
Sumber data yang digunakan dalam penelitian ini berasal dari jawaban kuisioner yang disebar pada 63 responden dan data yang diperoleh
tersebut dianalisis dengan menggunakan teknik analisis regresi linier
berganda dengan alat bantu komputer, yang menggunakan program SPSS. 16.0 For Windows
Berdasarkan hasil dari hasil olah data dengan alat bantu komputer yang menggunakan program SPSS.16.0, dapat dilihat pada tabel 4.10,
sebagai berikut
Tabel 4.10. Hasil Pendugaan Parameter Regresi Linier Berganda
Unstandardized Coefficients Model
B Std. Error
Constant -20,643
10,434 IPK Mahasiswa X
1
12,733 3,120
Penghasilan Orang Tua Mahasiswa X
2
0,000019 0,000004
1
Pendidikan Orang Tua Mahasiswa D 16,793
4,425
Sumber : Lampiran. 7
Berdasarkan pada 4.10. di atas dapat diperoleh model persamaan regresi sebagai berikut :
Y = -20,643 + 12,733 X
1
+ 0,000019 X
2
+ 16,793 D Dari model persamaan regresi linier tersebut di atas, dapat
diinterprestasikan, sebagai berikut :
Konstanta β
Nilai konstanta β
sebesar -20,643 menunjukkan bahwa, apabila variabel IPK mahasiswa, penghasilan orang tua mahasiswa dan pendidikan
orang tua mahasiswa, konstan maka besarnya nilai persepsi mahasiswa tentang profesionalisme Dosen Akuntansi yaitu sebesar -20,643 satuan
Koefisien β
1
Untuk Variabel IPK Mahasiswa X
1
Besarnya nilai koefisien regresi β
1
sebesar 12,733, nilai β
1
yang positif menunjukkan adanya hubungan yang searah antara persepsi
mahasiswa tentang profesionalisme Dosen Akuntansi Y dengan IPK mahasiswa X
1
yang artinya jika IPK mahasiswa X
1
naik sebesar satu satuan, maka besarnya nilai persepsi mahasiswa tentang profesionalisme
Dosen Akuntansi Y akan naik sebesar 12,733 satuan dengan asumsi bahwa variabel bebas lainnya bersifat konstan.
Koefisien β
2
Untuk Variabel Penghasilan Orang Tua Mahasiswa X
2
Besarnya nilai koefisien regresi β
2
sebesar 0,000019, nilai
β
2
yang positif menunjukkan adanya hubungan yang searah antara persepsi mahasiswa tentang profesionalisme Dosen Akuntansi Y dengan
penghasilan orang tua mahasiswa X
2
yang artinya jika penghasilan orang tua mahasiswa X
2
naik sebesar satu satuan, maka besarnya nilai persepsi mahasiswa tentang profesionalisme Dosen Akuntansi Y akan naik sebesar
0,000019 satuan dengan asumsi bahwa variabel bebas lainnya bersifat
konstan.
Koefisien β
3
Untuk Variabel Pendidikan Orang Tua Mahasiswa D
Besarnya nilai koefisien regresi β
3
sebesar 16,793, nilai
β
3
yang positif menunjukkan adanya hubungan yang searah antara persepsi
mahasiswa tentang profesionalisme Dosen Akuntansi Y dengan pendidikan orang tua mahasiswa D yang artinya jika pendidikan orang tua
mahasiswa D naik sebesar satu satuan, maka besarnya nilai persepsi mahasiswa tentang profesionalisme Dosen Akuntansi Y akan naik sebesar
16,793 satuan dengan asumsi bahwa variabel bebas lainnya bersifat
konstan.
4.2.4. Uji Hipotesis
4.2.4.1. Uji Kesesuaian Model
Dari hasil Uji Kesesuaian Model dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisis
hubungan kesesuaian, dapat dilihat pada tabel 4.11, sebagai berikut
Tabel 4.11. Hasil Analisis Hubungan Kesesuaian Model
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
Regression 6.778,692
3 2.259,564 15,642 0,000
Residual 8.522,578
59 144,450
1 Total
15.301,270 62
Sumber ; Lampiran. 7
Berdasarkan pada tabel 4.11 di atas menunjukkan bahwa besarnya nilai F
hitung sebesar 15,642 dengan tingkat taraf signifikansi sebesar
0,000 lebih kecil dari 0,05, maka H ditolak dan H
1
diterima yang berarti model regresi yang dihasilkan cocok guna melihat pengaruh IPK
mahasiswa, penghasilan orang tua mahasiswa dan pendidikan orang tua mahasiswa terhadap persepsi mahasiswa tentang profesionalisme Dosen
Akuntansi. Dari hasil pengujian juga diperoleh nilai R square yang dapat
dilihat pada tabel 4.12, sebagai berikut:
Tabel. 4.12 : Koefisien Determinasi R square R
2
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate Durbin-Watson
1 0,666
0,443 0,415
12,019 -
Sumber ; Lampiran. 7
Berdasarkan tabel 4.12 di atas menunjukkan besarnya nilai koefisien Determinasi R square R
2
sebesar 0,443, hal ini menunjukkan bahwa perubahan yang terjadi pada variabel persepsi mahasiswa tentang
profesionalisme Dosen Akuntansi sebesar 44,3 dipengaruhi oleh variabel IPK mahasiswa, penghasilan orang tua mahasiswa dan
pendidikan orang tua mahasiswa, sedangkan sisanya 55,7 dijelaskan oleh faktor lain yang tidak termasuk dalam model.
4.2.4.2. Uji Parsial
Dari hasil pengujian dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisis hubungan
secara parsial, dapat dilihat pada tabel 4.13, sebagai berikut :
Tabel 4.13 : Hasil Analisis Varians Hubungan Secara Parsial
Variabel t hit
Sig Correlation
Partial r r
2
Ket
IPK Mahasiswa X
1
4,081 0,000
0,469 0,2201
Berpengaruh Penghasilan Orang Tua Mahasiswa X
2
5,185 0,000 0,559
0,3130 Berpengaruh Pendidikan Orang Tua Mahasiswa D
3,795 0,000 0,443
0,1962 Berpengaruh
Sumber ; Lampiran. 7
Berdasarkan dari tabel 4.13 di atas dapat diinterprestasikan, yaitu sebagai berikut :
1. Pengaruh IPK Mahasiswa X
1
Secara Parsial terhadap Persepsi Mahasiswa Tentang Profesionalisme Dosen Akuntansi Y
Berdasarkan tabel 4.13 di atas menunjukkan besarnya nilai t hitung
sebesar 4,081, dengan tingkat signifikansi sebesar 0,000 lebih kecil dari 0,05, maka H
ditolak dan H
1
diterima yang berarti IPK Mahasiswa secara parsial berpengaruh signifikan terhadap persepsi
mahasiswa tentang profesionalisme Dosen Akuntansi. Sedangkan untuk mengetahui besarnya pengaruh yang
diberikan oleh variabel IPK Mahasiswa terhadap variabel persepsi mahasiswa tentang profesionalisme Dosen Akuntansi, dapat dilihat
pada Correlation Partial r
2
= 0,469
2
= 0,2201, yang berarti bahwa IPK Mahasiswa mampu mempengaruhi persepsi mahasiswa tentang
profesionalisme Dosen Akuntansi sebesar 0,2201 atau sebesar 22,01
2. Pengaruh Penghasilan Orang Tua mahasiswa X