Uji Reliabilitas Uji Kualitas Data

disimpulkan bahwa item-item instrumen untuk masing-masing variabel adalah reliabel Nunnally dalam Ghozali, 2013. Hasil uji reliabilitas secara rinci ditampilkan dalam tabel 4.4 berikut ini. TABEL 4.4. UJI RELIABILITAS Variabel Cronbach’s Alpha Cronbach’s Alpha Based on Standardized Items N of items Kejelasan Sasaran Anggaran 0,727 0,736 7 Partisipasi Anggaran 0,802 0,856 7 Karakteristik SAM 0,812 0,832 19 Kinerja Manajerial 0,873 0,897 8 Sumber: Data Primer, diolah SPSS 2015 4.4 Uji Asumsi Klasik 4.4.1 Uji Normalitas Uji Normalitas digunakan untuk melihat normalitas model regresi. Berdasarkan table uji One-Sample Kolmogorov-Smirnov : TABEL 4.5. UJI NORMALITAS One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 104 Normal Parameters a,b Mean 0E-7 Std. Deviation 1,76106133 Most Extreme Differences Absolute ,088 Positive ,041 Negative -,088 Kolmogorov-Smirnov Z ,899 Asymp. Sig. 2-tailed ,394 a. Test distribution is Normal. b. Calculated from data. Berdasarkan besarnya nilai Kolgomorov-Smirnov yaitu 0.899 dan signifikan yaitu 0,394 yang lebih besar dari tingkat signifikan 0,05. Hal ini berarti bahwa data residual terdistribusi secara normal. Hal ini juga didukung dengan grafik dimana data mengikuti garis diagonal. Grafik uji normalitas dapat dilihat pada gambar berikut ini: GAMBAR 4.1. GRAFIK HISTOGRAM Sumber: Data Primer, diolah SPSS 2015. Untuk lebih memperjelas tentang sebaran data dalam penelitian ini maka akan disajikan dalam grafik histogram dan grafik normal P-plot . Dimana dasar pengambilan keputusan menurut Ghozali 2006 yaitu : a. Jika sumbu menyebar sekitar garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. b. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. GAMBAR 4.2 GRAFIK NORMAL Sumber: Data Primer, diolah SPSS 2015 Dengan melihat tampilan grafik histogram maupun grafik normal P-Plot diatas dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang mendekati normal. Sedangkan pada grafik normal P-Plot terlihat titik-titik menyebar disekitar garis diagonal, serta arah penyebarannya mengikuti arah garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi layak dipakai karena memenuhi asumsi normalitas.

4.4.2 Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah dalam suatu model regresi ditemukan adanya korelasi antar variabel independen penelitian. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Ada tidaknya korelasi antar variabel tersebut dapat dideteksi dengan melihat nilai tolerance dan Variance Inflation Factor VIF. Apabila nilai tolerance 0,1 dan VIF 10, maka dinyatakan tidak ada korelasi sempurna antar variabel independen dan sebaliknya Ghozali, 2006. Hasil uji multikolinieritas dapat dilihat tabel 4.6 berikut: TABEL 4.6 UJI MULTIKOLINIERITAS Sumber: Data Primer, diolah SPSS 2015 Pada tabel 4.6 di atas diketahui masing-masing nilai VIF sebagai berikut: a. Nilai VIF untuk variabel kejelasan sasaran anggaran adalah 1,687 10 dengan nilai Tolerance variabel kejelasan sasaran anggaran adalah 0,846 0,10 maka variabel kejelasan sasaran anggaran dapat dinyatakan tidak terjadi gejala multikolinearitas. b. Nilai VIF untuk variabel partisipasi anggaran adalah 1,256 10 dengan nilai Tolerance variable partisipasi anggaran adalah 0,796 0,10 maka variabel partisipasi anggaran dapat dinyatakan tidak terjadi gejala multikolinearitas. Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations Collinearity Statistics B Std. Error Beta Zero- order Partial Part Toler ance VIF 1 Constant 25,510 3,560 7,166 ,000 Kejelasans asaranang garan ,234 ,111 ,226 2,114 ,037 ,274 ,206 ,201 ,846 1,678 Partisipasi anggaran ,098 ,097 ,108 1,009 ,316 ,210 ,100 ,096 ,796 1,256 a. Dependent Variable: kinerjamanajerial