83
Hasil uji normalitas dengan menggunakan grafik p-plot dibawah ini. Pada grafik normal p-plot, terlihat titik-titik menyebar disekitar garis diagonal serta
penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan
bahwa data dalam model regresi terdistribusi secara normal.
4.1.3.2 Multikolinearitas
Uji multikolonearitas bertujuan untuk menguji apakah pada model regresi ditemukan korelasi antara variabel independent. Jika terjadi korelasi maka
terdapat masalah multikolinearitas sehingga model regresi tidak dapat digunakan. Mendeteksi ada tidaknya gejala multikolinearitas adalah dengan melihat nilai
tolerance dan variance inflation factor VIF, serta menganalisis matrik korelasi variabel-variabel independen. Besarnya tingkat multikolinearitas yang masih
dapat ditolerir, yaitu: Tolerance 0.10, dan nilai VIF 5. Berikut ini disajikan tabel hasil pengujian multikolonearitas:
Tabel 4.9 Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 9.704
4.157 2.334
.026 X1
1.033 .086
-.033 10.384
.000 .537
1.862 X2
1.366 .121
.958 11.306
.000 .537
1.862 a Dependent Variable: Y
Berdasarkan pada tabel 4.9 diatas, dapat disimpulkan bahwa tidak terjadi gejala multikolonearitas antara variabel independen yang diindikasikan dari nilai
tolerance setiap variabel lebih besar dari 0,1. Nilai tolerance keefektifan pengendalian internal bidang akuntansi adalah 0,537, pengembangan mutu
Universitas Sumatera Utara
84
karyawan adalah 0,537, variabel independen juga lebih kecil dari 5 yaitu untuk keefektifan pengendalian internal bidang akuntansi 1,862, pengembangan mutu
karyawan 1.862.
4.1.3.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain, karena untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi
persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas. Suatu
model regresi yang baik adalah tidak terjadi heteroskedastisitas. Ada beberapa cara untuk menguji ada tidaknya situasi heteroskedastisitas dalam varian error
terms untuk model regresi. Dalam penelitian ini akan digunakan metode chart Diagram Scatterplot, dengan dasar pemikiran bahwa :
1 Jika ada pola tertentu seperti titik-titik poin-poin, yang ada
membentuk suatu pola tertentu yang beraturan bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas.
2 Jika ada pola yang jelas, serta titik-titik menyebar keatas dan dibawah 0
pada sumbu Y maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
85
Gambar 4.3 Scaterplot
4.1.4 Analisis Regresi
Berdasarkan hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang
Bes t Linear Unbias ed Est imator BLUE dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda.
Berdasarkan hasil pengolahan data dengan program SPSS 18, maka diperoleh hasil sebagai berikut:
4.1.4.1 Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linier, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan
variabel dependen, melalui pengaruh keefektifan pengendalian internal, pengembangan mutu karyawan terhadap pencegahan kecurangan. Berdasarkan
hasil pengolahan data dengan program SPSS Versi 18, maka diperoleh hasil sebagai berikut:
Tabel 4.10 Regresi Berganda
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 9.704
4.157 2.334
.026 X1
1.033 .086
-.033 10.384
.000 .537
1.862
Universitas Sumatera Utara
86
X2 1.366
.121 .958
11.306 .000
.537 1.862
Berdasarkan tabel diatas didapatlah persamaan regresi sebagai berikut
PK = 9,704+1,033 X1+1,366 X2+µ
Keterangan: 1 konstanta sebesar 9,704 menunjukkan bahwa apabila tidak ada variabel
independen X1 = 0, X2 = 0, maka nilai pencegahan kecurangan sebesar 9,704.
2 β1 sebesar 1,033 menunjukkan bahwa setiap kenaikan keefektifan
pengendalian internal sebesar 1 akan diikuti oleh peningkatan pencegahan kecurangan sebesar 1,033 dengan asumsi variabel lain tetap.
3 β2 sebesar 1,366 menunjukkan bahwa setiap kenaikan pengembangan mutu
karyawan sebesar 1 akan diikuti oleh kenaikan pencegahan kecurangan akuntansi sebesar 1,366 dengan asumsi variabel lain tetap.
4.1.4.2 Analisis Koefisien Regresi
