4.1.4.1 Uji Normalitas
Uji normalitas dalam penelitian ini menggunakan dua cara yaitu dengan melihat kurva normal P-Plotdan dengan melihat nilai dari
kolmogorov-smirnov. Uji normalitas melalui kurva normal P-Plot menggunakan program SPSS ver.16 dapat dilihat pada gambar berikut ini:
Gambar 2 Kurva P-Plot
Gambar 2 di atas menunjukkan bahwa titik-titik data menyebar di sekitar garis diagonal dan penyebaran titik-titik data searah dengan garis
diagonal. Sehingga dapat disimpulkan bahwa data terdistribusi normal. Hasil out put uji normalitas dengan kolmogorov-smirnov menggunakan
SPSS ver.16 disajikan pada tabel 4.12 berikut ini:
Tabel 4.12 Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Persepsi N
31 Normal Parameters
a
Mean 36.48
Std. Deviation 2.541
Most Extreme Differences
Absolute .129
Positive .114
Negative -.129
Kolmogorov-Smirnov Z .717
Asymp. Sig. 2-tailed .682
a. Test distribution is Normal.
Sumber : Data primer yang diolah 2013 Tabel 4.12 di atas menunjukkan nilai kolmogorov-smirnov sebesar
0,717 dengan signifikansi 0,682. Berdasarkan hal tersebut maka dapat disimpulkan bahwa data terdistribusi normal karena nilai signifikansi 0,682
lebih besar dari 0,05.
4.1.4.2 Uji Multikolinieritas
Deteksi multikolineritas pada suatu model dapat dilihat dari nilai Variance Inflation factor VIF. Hasil out put uji multikolinearitas
menggunakan program SPSS ver.16 disajikan pada tabel 4.13 berikut ini:
Tabel 4.13Hasil Uji Multikolinieritas
Sumber : Data primer yang diolah 2013 Tabel 4.13 di atas menunjukkan bahwa variabel skala usaha X1,
umur perusahaan X2, pengetahuan akuntansi X3, dan pengalaman dalam informasi akuntansi X4 mempunyai nilai tolerance lebih dari 0,1 dan
mempunyai nilai VIF kurang dari 10, sehingga dapat disimpulkan bahwa model regresi terbebas dari multikolinieritas
4.1.4.3 Uji Heteroskedastisitas
Model regresi yang baik adalah model regresi yang tidak terjadi heteroskedastisitas. Untuk mendeteksi ada tidaknya heteroskedatisitas dapat
dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot.
Coefficients
a
Model Unstandardized
Coefficients Standar
dized Coeffici
ents T
Sig. Correlations
Collinearity Statistics
B Std. Error
Beta Zero-order Partial Part Tolerance VIF
1 Constant 21.94
7 10.717
2.048 .051 SkalaUsaha
-.083 .096
-.187 -.860 .398
-.115 -.166 -.161 .745
1.3 42
UmurPerusahaan .163
.278 .126
.588 .562 .039
.115 .110 .760
1.3 16
PengetahuanAkuntansi .304
.267 .216
1.138 .265 .195
.218 .213 .978
1.0 22
Pengalaman .079
.117 .128
.679 .503 .157
.132 .127 .979
1.0 22
a. Dependent Variable: Persepsi
Hasil out put grafik scatterplot dari analisis menggunakan program SPSS ver.16 dapat dilihat pada gambar 3 berikutini :
Gambar 3 Grafik Scatterplot
Gambar 3 di atas menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini
berarti bahwa tidak terjadi heteroskedastisitas pada model regresi. Deteksi heteroskedastisitas juga dapat dilihat dari hasil uji Glejser.
Hasil out put dari uji Glejser menggunakan program SPSS ver.16 dapat dilihat pada tabel 4.14 berikut ini:
Sumber: Data primer yang diolah 2013
Tabel 4.14 Hasil Uji Heteroskedastisitas dengan Uji Glejser
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
21.947 10.717
2.048 .051 SkalaUsaha
-.083 .096
-.187 -.860 .398
UmurPerusahaan .163
.278 .126
.588 .562 PengetahuanAkuntansi
.304 .267
.216 1.138 .265
Pengalaman .079
.117 .128
.679 .503 a. Dependent Variable: Persepsi
Tabel 4.14di atas menunjukkan bahwa variabel skala usaha X1, umur perusahaan X2, pengetahuan akuntansi X3, dan pengalaman dalam
informasi akuntasni X4 memiliki nilai signifikansi lebih besar dari 0,05. Sehingga dapat disimpulkan bahwa model regresi tidak mengandung
heteroskedastisitas.
4.1.5 Analisis Regresi Berganda
Kategori