55
Data yang telah terdistribusi normal dapat kita ketahui dengan melihat histrogram dan grafik pada gambar 4.1, grafik histogram pada uji normalitas di atas
dapat terlihat bahwa data terdistribusi mengikuti garis diagonal yang tidak melenceng Skewness ke kiri maupun ke kanan. Data yang telah terdistribusi normal juga bisa
diketahui dengan melihat grafik plot. Menurut Ghozali 2013 pendeteksian normalitas dapat dilakukan dengan
melihat penyebaran titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini
menunjukkan data telah terdistribusi normal. Pada gambar 4.2 dapat terlihat bahwa penyebaran data titik menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal, oleh sebab itu dapat diketahui bahwa data telah terdistribusi dengan normal.
4.2.2.2 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali,2013. Pengambilan keputusan ada atau
tidaknya autokorelasi, yaitu:
56
Tabel 4.4 Kriteria Pengambilan Keputusan
Uji Durbin-Watson
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0dd1
Tidak ada autokorelasi positif Tidak ada keputusan
d
lddu Tidak ada korelasi negatif
Tolak 4-dld4
Tidak ada korelasi negatif Tidak ada keputusan
4-dud4-dl Tidak ada autokorelasi positif
atau negative Tidak ditolak
Dud4-du
Hasil uji autokorelasi Durbin Watson terlihat seperti pada tabel dibawah ini:
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .386
a
.149 .114
.18717 2.143
a. Predictors: Constant, KI, KomIndependen,KomAudit,Size,Laverage b. Dependent Variable: ManjLaba
Berdasarkan tabel 4.5 diatas dapat dilihat bahwa nilai DWadalah 2.143. selanjutnya nilai ini akan dibandingkan dengan nilai tabel dengan tingkat signifikansi
5, jumlah sampel 100 n=100 dan variabel independen 2 k=5. Maka dari tabel Durbin Watson didapatkan nilai batas dI adalah 1.441 dan batas atas du sebesar
57
1.647. Oleh karena DW 2.143 lebih besar dari batas atas du 1.647 dan lebih kecil dari 4 – 1.647 = 2.353 4-du, maka dapat disimpulkan tidak terdapat masalah
autokorelasi positif atau negatif dud4-du atau 1.6472.1432.353 atau dengan kata lain tidak terdapat autokorelasi.
4.2.2.3 Uji Heterokedastisitas
Heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika
variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang
baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali,2013. Dasar pengambilan keputusannya menurut Ghozali 2013 adalah
sebagai berikut: 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang,melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu y, maka tidak terjadi heteroskedastisitas.
58
Gambar 4.2 Uji Heteroskedisitas
Pada gambar 4.2 pada grafik Scatterplot diatas dapat terlihat bahwa titik data menyebar secara acak dan tidak terlihat pola tertentu, dan pada grafik scatterplot
diatas juga dapat terlihat bahwa tidak tersebar diatas maupun dibawah sumbu y dan angka 0. Oleh karena itu dapat disimpulkan bahwa tidak terjadi heterokedastisitas di
dalam penelitian ini, dan model regresi ini layak dipakai dalam penelitian.
4.2.2.4 Uji Multikolinearitas
