5.4.1. Pengujian Normalitas
Berdasarkan hasil uji normalitas data dengan menggunakan uji Kolmogorov- Smirnov dan dengan melihat uji grafik, maka dapat disimpulkan bahwa data
mempunyai distribusi normal. Hal ini dapat diketahui dengan melihat nilai Kolmogorov-Smirnov sebesar 1.313 dengan tingkat signifikansi sebesar 0,064
lampiran 4. Jika signifikansi nilai Kolmogorov-Smirnov lebih besar dari 0.05, maka dapat dinyatakan bahwa data mempunyai distribusi normal. Hal ini juga
didukung dengan grafik dimana data mengikuti garis diagonal. Grafik uji normalitas dapat dilihat pada pada gambar berikut ini.
Gambar 5.1 Pengujian Normalitas Data
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
Expected Cum Prob Normal P-P Plot of Regression Standardized Residual
Dependent Variable: kualitas
Universitas Sumatera Utara
5.4.2. Pengujian Multikolinearitas
Berdasarkan pengujian multikolinearitas yang dilakukan dengan melihat nilai VIF, maka dapat disimpulkan bahwa tidak terjadi multikolinearitas karena tidak ada
nilai VIF yang lebih besar dari 10 dan nilai Tolerance tidak kurang dari 0,1. Ringkasan pengujian multikolinearitas dapat dilihat pada tabel berikut ini.
Tabel 5.5 Uji Multikolinearitas Model
Collinearity Statistics
Tolerance VIF
Akuntabilitas .174
5.760 Kompetensi
.241 4.150
Independensi .115
8.678 Sumber: Lampiran 4
5.4.3. Pengujian Heteroskedastisitas
Pengujian asumsi heteroskedastisitas menyimpulkan bahwa model regresi tidak terjadi heteroskedastisitas. Dengan kata lain terjadi kesamaan varian dari
residual dari satu pengamatan ke pengamatan yang lain. Kesimpulan ini diperoleh dengan melihat penyebaran titik-titik yang menyebar secara acak, tidak membentuk
sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y . Hasil pengujian heteroskedastisitas dapat dilihat pada gambar 5.2
berikut ini.
Universitas Sumatera Utara
Scatterplot Dependent Variable : Kualitas Hasil Pemeriksaan
Gambar 5.2. Uji Heteroskedastisitas
5.5 Pengujian Hipotesis