Tabel 4.12 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 84
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.98943495
Most Extreme Differences Absolute
.119 Positive
.119 Negative
-.113 Kolmogorov-Smirnov Z
1.089 Asymp. Sig. 2-tailed
.186 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data yang diolah, 2012 Tabel 4.12 menunjukkan bahwa besarnya nilai Asymp.Sig 2-tailed
adalah 0,186 dan lebih besar dari 0,05. Maka dapat disimpulkan bahwa uji Kolmogorov-Smirnov memperkuat hasil uji grafik sebelumnya yang menyatakan
bahwa data terdistribusi secara normal.
4.1.6 Uji Asumsi Klasik
4.1.6.1 Uji Heteroskedastisitas
Menurut Ghozali 2011 uji heterokedastisitas bertujuan untuk mengetahui apakah terjadi ketidaksamaan varian dari residual suatu pengamatan ke
pengamatan lain. Model regresi yang baik adalah yang homokedastisitas atau tidak mengandung heterokedastisitas. Berikut Gambar 4.1 hasil scatterplot dari uji
heterokedastisitas dengan menggunakan SPSS 19
Gambar 4.1 Hasil Scatterplot Uji Heterokedastisitas
Sumber: Data yang diolah, 2012
Tabel 4.13 Hasil Uji Heterokedastisitas Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.569
1.595 1.611
.111 KA
-.020 .053
-.046 -.383
.703 LA
.012 .059
.022 .196
.845 GK
-.034 .055
-.074 -.613
.541 a. Dependent Variable: abs
Sumber: Data yang diolah, 2012 Berdasarkan gambar 4.1 Tabel 4.13, sebaran data tidak membentuk pola
yang jelas. Titik-titik data menyebar di atas dan di bawah angka 0 pada sumbu Y dan nilai signifikansi variabel independen lebih besar dari 0,05. Maka dapat
disimpulkan bahwa pada model regresi tidak terjadi heterokedastisitas atau model regresi terjadi kesamaan varians dari residual suatu pengamatan ke pengamatan
lain. Berdasarkan hasil uji heterokedastisitas ini dapat disimpulkan model regresi ini telah memenuhi asumsi heterokedastisitas. Hal ini menunjukkan bahwa varians
data homogen.
4.1.6.2 Uji Multikolinearitas
Syarat berlakunya model regresi berganda adalah antar variabel bebas tidak memiliki hubungan sempurna atau mengandung multikolinearitas. Uji
multikolinearitas untuk mengetahui adanya linier yang sempurna atau pasti diantaranya beberapa atau semua variabel yang menjelaskan model regresi. Hasil
uji multikolinearitas dapat dilihat dalam Tabel 4.14 berikut:
Tabel 4.14 Ringkasan Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
KA .840
1.191 LA
1.000 1.000
GK .840
1.191 a. Dependent Variable: ESPI
Sumber: Data yang diolah, 2012 Berdasarkan Tabel 4.14 dapat disimpulkan bahwa model regresi ini tidak
terjadi multikolinieritas. Hal ini dapat dilihat dari tidak ada satupun variabel independen yang memiliki nilai Tolerance kurang dari 0,10 nilai Variance
Inflation Factor VIF ketiga variabel tidak lebih dari 10. Variabel kualitas audit sebesar 1,191, variabel lingkup audit sebesar 1,000, variabel gaya kepemimpinan
sebesar 1,191. Jadi dapat disimpulkan bahwa tidak terjadi multikolonieritas antar variabel independen kualitas audit, lingkup audit, gaya kepemimpinan.
4.1.7 Analisis Regresi Berganda
