Tabel 4.16 Hasil Uji Kolmogorov-Smirnov K-S
Unstandardized Residual
N 90
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,08740534
Most Extreme Differences
Absolute ,069
Positive ,069
Negative -,050
Kolmogorov-Smirnov Z ,651
Asymp. Sig. 2-tailed ,790
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data sekunder yang diolah tahun 2016 Tabel Kolmogorov-Smirnov di atas menunjukkan nilai Kolmogorov-
Smirnov sebesar 0.651 dan Asymp.Sig 2-tailed atau signifikan pada 0.790. Nilai probabilitas tersebut lebih besar dari tingkat signifikansi 5 atau 0.05. Dapat
disimpulkan bahwa data memiliki distribusi yang normal. Hasil ini sesuai dengan hasil analisis grafik.
2. Uji Multikolinearitas
Uji multikolinearitas yang digunakan dalam penelitian ini adalah analisis nilai tolerance dan variance inflation factor VIF. Nilai cutoff yang digunakan
untuk menunjukkan adanya multikolinearitas dalam penelitian ini adalah Tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10. Hasil analisis nilai tolerance
dan variance inflation factor VIF disajikan dalam Tabel 4.17 di bawah ini:
Tabel 4.17 Nilai Tolerance dan Variance Inflation Factor VIF
Model Unstandardize
d Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolera
nce VIF
1 Constant
,131 ,115
1,141 ,257
ABN_FEE -,012
,016 -,074
-,718 ,475
,940 1,064
TENURE ,001
,005 ,025
,233 ,817
,865 1,156
SPEC_AUD ,031
,024 ,163
1,305 ,196
,648 1,544
KONS_PEM ,000
,000 ,031
,307 ,760
,986 1,015
KOM_IND ,004
,001 ,293
2,847 ,006
,954 1,048
KOM_AUD -,014
,005 -,337 -2,912
,005 ,751
1,331 a. Dependent Variable: DACC
Sumber: Data sekunder yang diolah tahun 2016 Hasil perhitungan nilai tolerance pada Tabel 4.17 di atas menunjukkan
tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0.10. Hal ini berarti tidak ada korelasi antarvariabel independen yang nilainya lebih dari
95. Hasil perhitungan nilai variance inflation favctor VIF juga menunjukkan tidak ada variabel independen yang memiliki nilai VIF lebih dari 10 yang berarti
tidak ada korelasi antarvariabel independen. Dapat dismpulkan bahwa tidak ada multikolinearitas antarvariabel independen dalam model regresi.
3. Uji Autokorelasi
Uji autokorelasi menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-1. Pada penelitian ini uji autokorelasi menggunakan Runs Test. Hasil uji autokorelasi dengan Runs Test disajikan dalam Tabel 4.18 berikut ini:
Tabel 4.18 Hasil Uji Runs Test
Unstandardized Residual Test Value
a
-,00677 Cases Test Value
45 Cases = Test Value
45 Total Cases
90 Number of Runs
37 Z
-1,908 Asymp. Sig. 2-tailed
,056 a. Median
Sumber: Data sekunder yang diolah tahun 2016 Hasil Runs Test seperti pada Tabel 4.18 menunjukkan nilai test sebesar
-0.00326 dengan probabilitas 0.056. Probabilitas tersebut di atas nilai signifikansi 0.05 yang berarti bahwa residual random acak atau tidak terjadi autokorelasi
antarnilai residual.
4. Uji Heteroskedastisitas