Sumber: Data diolah, 2010 Berdasarkan hasil normalitas data dengan menggunakan Normal P-
plot dapat dilihat pada gambar 4.1. Pada gambar tersebut menunjukkan bahwa titik-titik data berada disekitar garis diagonal dan mengikuti arah
garis diagonal. Maka dapat disimpulkan bahwa data dalam penelitian ini sudah terdistribusi normal atau sudah memenuhi asumsi normalitas.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Jika variabel independen saling berkolerasi maka, maka
variabel-variabel ini tidak ortogonal. Hasil uji multikolinearitas dapat dilihat dari nilai tolerance dan Variance Inflation Factor VIF. Kedua
ukuran ini menunjukan setiap variabel independen dan manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabel
74
independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Tabel 4.10 dibawah ini menyajikan hasil multikolinearitas.
Tabel 4.10 Uji Multikolinearitas
Coefficientsa Predictor Tollerance
VIF Keputusan
Gender 0,995 1,005
Tidak Multikolonieritas
Kompleksitas Tugas 0,983
1,018 Tidak Multikolonieritas
Kompetensi Auditor 0,986
1,014 Tidak Multikolonieritas
Sumber: Data yang Diolah, 2010 Berdasarkan tabel diatas menunjukkan bahwa tidak ada problem
multikolonieritas. Pada variabel gender nilai tollerance 0,995 0,10 sedangkan nilai VIF 1,005 10. Variabel kompleksitas tugas memiliki
nilai tollerance 0,983 0,10 sedangkan nilai VIF 1,018 10. Variabel kompetensi auditor menunjukkan nilai tollerance 0,986 0,10 sedangkan
nilai VIF 1,014 10. Hasil perhitungan nilai tolerance tersebut menunjukan tidak ada variabel independen yang memiliki nilai tolerance
kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukan
hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas
antar variabel independen dalam model regresi.
3. Uji Heteroskedasitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam suatu model regresi terdapat persamaan atau perbedaan varian yang dapat dilihat dari
75
grafik plot. Deteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara
SRESID dan ZPRED, dimana sumbu Y adalah Y telah diprediksi dan sumbu X adalah residual Y prediksi - Y sesungguhnya yang telah di-
studentized .
Jika plot membentuk pola tertentu bergelombang, melebar, kemudian menyempit maka mengindikasikan telah terjadi heteroskedastisitas. Jika
plot tidak membentuk pola tertentu, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka mengindikasikan telah terjadi
homokedastisitas. Model regresi yang baik adalah plot yang mengindikasikan homokedastisitas atau tidak terjadi heteroskedastisitas.
Ghozali, 2005:105
Gambar 4.2 Output Pengujian Heteroskedasitas
Regression Standardized Predicted Value
3 2
1 -1
-2
Reg r
essio n
Stu d
entized Residual
2 1
-1 -2
-3
Scatterplot Dependent Variable: AuditJudgment
Sumber: Data Diolah, 2010
76
Berdasarkan gambar 4.2 diatas terlihat bahwa titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0. pada sumbu Y.
Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedasitas pada model regresi berganda.
E. Pengujian Hipotesis
