4.2.3 Uji Prasyarat
Sebelum data dianalisis lebih lanjut dengan menggunakan regresi linier berganda, terlebih dahulu dilakukan uji prasyarat yaitu dengan uji normalitas dan
uji asumsi klasik.
4.2.3.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah model regrei, variabel terikat dan variabel bebas berditribusi normal atau tidak. Model regresi yang baik
adalah yang memiliki data normal atau mendekati normal. Untuk mendeteksi apakah data berdistribusi normal atau tidak dapat menggunakan dua cara yaitu melalui P-P
Plot dan uji Kolmogorov-smornov dengan bantuan SPSS. Gambar 4.1 : P-P Polt uji Normalitas
Sumber : Data yang diolah, 2011
Dengan melihat tampilan P-P Plot pada gambar 4.1, dapat disimpulkan bahwa sumbu menyebar sekitar garis diagonal, maka dapat disimpulkan bahwa P-P Plot
memberikan pola distribusi yang normal. P-P Plot tersebut menunjukkan bahwa model regresi tersebut layak dipakai karena asumsi normalitas. Untuk mendapatkan
hasil yang lebih akurat, pengujian ini didukung oleh uji kolmogrov-smirnov. Tabel 4.13 . Hasil Output Uji KS
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Normal Parameters
a
Mean .0000000
Std. Deviation 4.38941930
Most Extreme Differences Absolute
.103 Positive
.076 Negative
-.103 Kolmogorov-Smirnov Z
.757 Asymp. Sig. 2-tailed
.616 a. Test distribution is Normal.
Sumber : Data primer diolah, 2011 Dari tabel 4.13 diatas, dapat dilihat bahwa nilai kolmogorov smirnov sebesar
0,757 dan memiliki tingkat signifikansi pada 0.616. Karena tingkat signifikansi diatas 0,05, maka data residual terdistribusi secara normal dan layak digunakan.
4.2.3.2 Hasil Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mengetahui apakah data yang akan diregresikan telah memenuhi syarat asumsi klasik, yaitu dilakukan melalui uji
heteroskedastisitas dan uji multikolinearitas.
4.2.3.2.1 Hasil Uji Heterokesdastisitas
Uji heterokesdastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika
varians dari satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas atau tidak terjadi heterokedastisitas. Model regresi yang baik adalah
yang homokedastisitas atau tidak terjadi heterokedastisitas Ghozali, 2006. Untuk mengetahui varians masing-masing variabel bebas Kecerdasan emosional X1,
persepsi kode etik X2, tekanan waktu X3, dan motivasi X4 terhadap kinerja auditor Y, maka digunakan uji heterokedastisitas. Dalam penelitian ini pengujian
heterokedastsitas mengggunakan scatterplot dan uji Glejser. Berikut gambar4.2 hasil scatterplot dan tabel 4.14uji glejser :
Gambar 4.2 hasil scatterplot uji heterokedastisitas
Sumber : Data Primer yang diolah, 2011
Dapat dilihat sebaran data nampak berada di atas dan dibawah garis Y, sehingga dapat dikatakan bahwa data yang digunakan tidak terjadi heterokedastisitas.
Tabel. 4.14 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 4.314
3.444 1.253
.216 X1
-.041 .051
-.125 -.817
.418 X2
-.055 .068
-.135 -.812
.421 X3
.144 .138
.169 1.041
.303 X4
.035 .070
.080 .507
.614 a. Dependent Variable: Abs_res
Sumber : Data primer diolah, 2011
Hasil tampilan output SPSS pada tabel 4.14 dengan jelas menunjukkan bahwa tidak ada satupun variebel independen yang signifikan secara statistik mempengaruhi
variabel dependen dengan nilai masing-masing variabel kecerdasan emosional X1 0.418, persepsi kode etik X2 sebesar 0.421, tekanan waktu X3 sebesar 0.303, dan
motivasi X4 sebesar 0.614. Hal ini menunjukkan probabilitas signifikansi diatas tingkat kepercayaan 5, jadi dapat disimpulkan model regresi tidak mengandung
adanya heterokedastisitas.
4.3.2.2 Hasil Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Ada tidaknya korelasi antar variabel independen dapat dideteksi dengan mlihat nilai VIF. Apabila nilai VIF
10 maka dinyatakan sempurna antar variable bebas dan sebaliknya Ghozali, 2006:91. Hasil uji multikolinieritas dapat dilihat pada tabel dibawah ini :
Tabel 4.15 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
X1 .826
1.210 X2
.702 1.424
X3 .734
1.363 X4
.778 1.285
a. Dependent Variable: Y
Sumber : Data primer yang diolah, 2011 Berdasarkan hasil perhitungan pada tabel 4.15 diatas dapat dilihat bahwa
angka tolerance dari variable bebas kecerdasan emosional, persepsi kode etik, tekanan waktu dan motivasi mempunyai nilai lebih dari 10 nilai tolerance berkisar
antara 0,702 sampai 0,826 dan nilai VIF tidak lebih dari 10. Dengan demikian dapat disimpulkan bahwa dalam model regresi tidak terjadi multikolinieritas antar variabel
bebas.
4.2.4 Hasil Analisis Regresi Linier Berganda
Analisis regresi digunakan untuk mengetahui pengaruh variabel bebas X terhadap variabel terikat Y. Dalam penelitian ini menggunakan analisis regresi
berganda dengan variabel bebas kecerdasan emosional X1, persepsi kode etik X2,
tekanan waktu X3 dan motivasi X4 terhadap variabel terikat kinerja auditor Y.
Dari analisis uji regresi dapat dilihat mode regresi penelitian ini yaitu :
Y
=10.501+ 0.320 X1 + 0.224 X2 + 0.584 X3 + 0.337 X4 + e Hasil persamaan linier diatas diperoleh dari hasil tabel koefisien regresi pada
tabel 4.18. Persamaan regresi linier dapat dijelaskan sebagai berikut : a. Konstanta sebesar 10.501 menyatakan bahwa jika variabel independen
konstan, maka nilai kinerja auditor KA sebesar 10.501. b. Koefisien regresi b
1
= + 0.320, menyatakan bahwa setiap penambahan satu satuan variabel kecerdasan emosional akan menaikan kinerja auditor sebesar
0.320 dengan asumsi semua variabel tetap. c. Koefisien regresi b
2
= + 0.224, menyatakan bahwa setiap penambahan satu satuan variabel persepsi kode etik akan menaikan kinerja auditor sebesar
0.224 dengan asumsi semua variabel tetap. d. Koefisien regresi b
3
= + 0.582, menyatakan bahwa setiap penambahan satu satuan variabel tekanan waktu akan menaikan kinerja auditor sebesar 0.582
dengan asumsi semua variabel tetap.
Kategori