78 0.831, variabel job stress sebesar 0.837 dan variabel audit judgment
sebesar 0.819. Dengan demikian dapat disimpulkan bahwa pernyataan dalam kuesioner ini reliabel karena mempunyai nilai
cronbach’s alpha lebih besar dari 0.7. Hal ini menunjukkan bahwa setiap item pernyataan
yang digunakan akan mampu memperoleh data yang konsisten yang berarti bila pernyataan itu diajukan kembali akan diperoleh jawaban
yang relatif sama dengan jawaban sebelumnya.
3. Hasil Uji Asumsi Klasik
a. Hasil Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
Tabel 4.14
Hasil Uji
Multikolonieritas
Sumber: Data primer yang diolah 2015
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tole-
rance VIF
1 Constant
12.883 4.282
3.009 .004 TKA
.261 .102
.314 2.573 .012
.669 1.494
TSE .540
.148 .472
3.640 .001 .591
1.693 TJS
-.232 .116
-.269 -2.007 .049 .553
1.808
a. Dependent Variable: TAJ
79 Berdasarkan tabel 4.14 di atas terlihat bahwa nilai tolerance
0.10 dan nilai variance inflation factor VIF 10 untuk semua variabel, yang ditunjukkan dengan nilai tolerance untuk variabel
kompetensi auditor 0.669, variabel self efficacy 0.591 dan variabel job stress 0.553. Selain itu, nilai VIF untuk variabel kompetensi auditor
1.494, variabel self efficacy 1.693 dan variabel job stress 1.808. Suatu model regresi dikatakan bebas dari problem multiko apabila memiliki
nilai VIF kurang dari 10. Dengan demikian, dapat disimpulkan bahwa model persamaan regresi tidak terdapat problem multiko bebas
multiko dan dapat digunakan dalam penelitian ini.
b. Hasil Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi, variabel dependen dan variabel independen atau
keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Dalam
penelitian ini, pengujian normalitas dilakukan dengan menggunakan metode uji non-parametik Kolmogorov-Smirnov K-S, P-P Plot, dan
grafik histogram. Dasar pengambilan keputusan pada uji Kolmogorov- Smirnov K-S ini adalah dengan melihat nilai probabilitas signifikansi
data residual. Suatu data dikatakan terdistribusi secara normal jika memiliki tingkat signifikansi 0,05. Adapun hasil uji Kolmogorov-
Smirnov K-S, dapat dilihat dalam tabel berikut ini:
80
Tabel 4.15 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 75
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 3.36618367
Most Extreme Differences
Absolute .073
Positive .031
Negative -.073
Kolmogorov-Smirnov Z .635
Asymp. Sig. 2-tailed .815
a. Test distribution is Normal. Sumber: Data primer yang diolah 2015
Berdasarkan tabel 4.15 di atas dapat terlihat hasil uji Kolmogorov- Smirnov K-S dengan nilai signifikansi lebih besar dari 0,05 yaitu
sebesar 0,815. Dengan demikian, dapat disimpulkan bahwa data tersebut terdistribusi secara normal sehingga model penelitian ini
memenuhi uji asumsi klasik normalitas.
Gambar 4.1 Hasil Uji Normalitas Menggunakan Grafik P-P Plot
Sumber: Data primer yang diolah 2015
81
Gambar 4.2 Hasil Uji Normalitas Menggunakan Grafik Histogram
Sumber: Data primer yang diolah 2015 Gambar 4.1 dan 4.2 memperlihatkan bahwa pola penyebaran data
pada grafik p-plot terlihat titik-titiknya menyebar di sekitar garis diagonal serta menyebarannya mendekati garis diagonal. Hal ini
menunjukkan bahwa grafik p-plotnya normal, begitu juga dengan pola penyebaran data pada grafik histogram telah menunjukkan pola
distribusi normal. Berdasarkan dua gambar di atas, maka model regresi ini telah memenuhi telah memenuhi asumsi normalitas.
c. Uji Heteroskedastisitas