Hasil Pengujian Asumsi Klasik

3. Hasil Pengujian Asumsi Klasik

a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2005:110. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Uji normalitas dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dapat juga dengan melihat histogram dari residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal dan grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya. Dalam penelitian ini uji normalitas untuk variabel dependen yaitu penyusunan laporan keuangan daerah. Hasil pengujian normalitas data ditunjukkan dalam histogram dan grafik berikut ini. 1.0 0.5 0.0 -0.5 -1.0 -1.5 Regression Standardized Residual 1.0 0.8 0.6 0.4 0.2 0.0 Fr eq ue nc y Mean = -1.78E-15 Std. Dev. = 0.816 N = 4 Dependent Variable: lapkeu Histogram Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah Gambar 4.1 Histogram Universitas Sumatera Utara 1.0 0.8 0.6 0.4 0.2 0.0 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E xp ec te d C um P ro b Dependent Variable: lapkeu Normal P-P Plot of Regression Standardized Residual Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah Gambar 4.2 Normal P-Plot of Regression Standarized Residual Dari tampilan grafik histogram maupun grafik normal plot untuk variabel dependen penyusunan laporan keuangan dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar di sekitar diagonal dan penyebarannya tidak berada jauh dari garis diagonalnya. Kedua grafik ini menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas. Universitas Sumatera Utara Selain itu, peneliti juga melakukan uji normalitas data dengan menggunakan One sample kolmogorov-smirnov test. Hasil pengujian disajikan pada tabel berikut ini: Tabel 4.14 Hasil Uji Normalitas No Variabel Asymp.Sig Keterangan 1 Pemahaman SAP 0.962 Normal 2 Pendidikan dan Pelatihan 0.949 Normal 3 Latar Belakang Pendidikan 0.997 Normal 4 Penyusunan Laporan Keuangan 0.911 Normal Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah Berdasarkan hasil pengujian di atas diperoleh nilai asymptotic significance yang lebih besar dari 0,05 pada semua variabel penelitian. Berdasarkan hasil ini maka dapat disimpulkan bahwa distribusi data adalah normal. b. Uji Multikolinearitas Uji multikolinieritas digunakan untuk menguji apakah ada korelasi antara variable independen. Metode yang digunakan untuk mendeteksi adanya multikolinieritas dengan menggunakan nilai VIF Variance Inflation Floor, jika nilai VIF dibawah 2, maka dapat dikatakan bahwa tidak terjadi gejala multikolinearitas dalam model penelitian. Hasil pengujian multikolinieritas disajikan pada tabel 4.15 Universitas Sumatera Utara Tabel 4.15 Hasil Uji Gejala Multikolinieritas No Variabel VIF 1 Pemahaman SAP 1,000 2 Pendidikan dan Pelatihan 1,000 3 Latar Belakang Pendidikan 1,000 Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah Berdasarkan hasil pengujian pada tabel 4.15 diatas, karena nilai VIF untuk semua variable memiliki nilai lebih kecil daripada 2, maka dapat disimpulkan tidak terdapat gejala multikolinieritas antar variabel independen. c. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas Ghozali, 2005:105. Model regresi yang baik adalah tidak terjadi heterokedastisitas Erlina, 2007 : 108. Uji heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot antara SRESID dan ZPRED dimana dasar analisisnya adalah: 1 jika titik-titik yang ada membentuk suatu pola tertentu yang teratur, bergelombang, melebar kemudian menyempit maka terjadi heteroskedastisitas, dan jika 2 tidak ada pola yang jelas dimana titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka Universitas Sumatera Utara tidak terjadi gejala heteroskedastisitas. Dari grafik Scatterplot pada penelitian ini terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk menjelaskan pengaruh pemahaman SAP, pendidikan dan pelatihan, serta latar belakang pendidikan sebagai variabel independen terhadap penyusunan laporan keuangan sebagai variabel dependen. 1.0 0.5 0.0 -0.5 -1.0 Regression Standardized Predicted Value 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 R eg re ss io n St ud en tiz ed R es id ua l Dependent Variable: lapkeu Scatterplot Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah Gambar 4.3 Scatterplot Universitas Sumatera Utara

4. Hasil Analisis Regresi Berganda