4.3 Uji Asumsi Klasik
Uji ini dilakukan untuk mengetahui bahwa data yang diolah adalah sah tidak terdapat penyimpangan serta distribusi normal, maka data tersebut akan diuji melalui
uji asumsi klasik. Uji asumsi klasik dilakukan sebelum pengujian regresi terhadap data penelitian untuk mengetahui apakah terdapat penyimpangan klasik seperti
normalitas, multikolonieritas dan heteroskedastisitas.
4.3.1 Hasil Uji Normalitas
Uji normalitas data dilakukan untuk melihat bahwa suatu data terdistribusi secara normal atau tidak. Uji normalitas data dilakukan dengan dua cara yaitu dengan
analisis statistik One-Sample Kolmogorov-Smirnov terhadap masing-masing variabel, dan melalui analisis grafik dengan melihat penyebaran data titik pada garis diagonal
P Plot of Regression Standardlized Residual Ghozali, 2009. Model regresi yang baik memiliki distribusi normal atau mendekati normal, berikut disajikan pada
gambar 4.1 hasil uji normalitas data dengan analisis grafik Normal Probability Plot:
Gambar 4.1 Hasil Uji Normalitas
Sumber: Data primer yang diolah, 2015 Berdasarkan Gambar 4.1 grafik normal plot terlihat titik-titik menyebar di
sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Grafik ini menunjukkan bahwa model regresi layak dipakai karena asumsi normalitas Ghozali,
2009. Selain menggunakan grafik scatterplot, pengujian normalitas data juga menggunakan uji One Sample Kolmogorov-Smirnov. Hasil pengujiannya akan
disajikan dalam Tabel 4.23.
Tabel 4.23 Hasil Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 51
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 1,46765032
Most Extreme Differences
Absolute ,109
Positive ,083
Negative -,109
Kolmogorov-Smirnov Z ,781
Asymp. Sig. 2-tailed ,575
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data primer yang diolah, 2015 Berdasarkan Tabel 4.23, besarnya nilai K-S adalah 0,781 dengan nilai
signifikansi sebesar 0,575 dan nilai di atas 5 α=0,05. Hal ini berarti data
terdistribusi secara normal, atau data dinyatakan memenuhi asumsi normalitas.
4.3.2 Uji Multikolinieritas
Uji multikolinieritas ini digunakan untuk menguji apakah di dalam model regresi terdapat korelasi antar variabel independennya. Pengujian ini dilakukan
dengan menggunakan korelasi antar varibel-variabel bebas independen yang akan digunakan dalam persamaan regresi. Model regresi yang baik seharusnya tidak terjadi
korelasi antar variabel independennya. Pengujian multikolinearitas dapat dilihat dari Tolerance Value atau Variance Inflation Factor VIF, sebagai berikut:
1. Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa tidak terdapat multikoliniearitas pada penelitian tersebut.
2. Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa terdapat multikoliniearitas pada penelitian tersebut.
Hasil uji multikolinearitas dalam penelitian disajikan dalam Tabel 4.24 sebagai berikut:
Tabel 4.24 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-5,782 3,423
-1,689 ,098
situasi ,031
,043 ,063
,724 ,473
,862 1,160
etika ,458
,118 ,378
3,881 ,000
,697 1,434
pengalaman ,232
,098 ,211
2,372 ,022
,838 1,193
kompetensi ,384
,073 ,470
5,294 ,000
,837 1,195
independensi ,012
,084 ,012
,139 ,890
,885 1,130
profesional ,212
,103 ,194
2,052 ,046
,740 1,352
a. Dependent Variable: skeptic
Sumber: Data Primer yang diolah, 2015 Tabel 4.24 menunjukkan bahwa tidak terjadi multikolinearitas, hal ini dapat
dilihat dari nilai tolerance untuk semua variabel diatas 0,1 dan nilai VIF dibawah 10.
4.3.3 Uji Heteroskedastisitas
Kategori