66
3. Hasil Uji Asumsi Klasik
a. Hasil Uji Multikolonieritas
Untuk mendeteksi adanya problem multiko, maka dapat dilakukan dengan melihat nilai Tolerance dan Variance Inflation
Factor VIF serta besaran korelasi antar variabel independen. Seluruh pengujian dan analisis data menggunakan bantuan SPSS
22.
b b
b Berdasarkan tabel 4.15 di atas besaran korelasi antar variabel
independen tampak bahwa hanya variabel Persepsi Keadilan prosedural PKP yang mempunyai korelasi cukup tinggi dengan
variabel Tekanan Anggaran TA dengan tingkat korelasi sebesar - 0,442 atau sekitar 44,2. Oleh karena korelasi ini masih di bawah
95, maka dapat dikatakan tidak terjadi multikolonieritas.
Tabel 4.15 Hasil Uji Reliabilitas Koefisien Korelasi
Model TTA
TIKE TPKP
1 Correlations TTA
1,000 -,241
-,442 TIKE
-,241 1,000
-,256 TPKP
-,442 -,256
1,000 Covariances TTA
,020 -,006
-,007 TIKE
-,006 ,033
-,005 TPKP
-,007 -,005
,013 a.
Dependent Variable: TSA Sumber : Data primer yang diolah, 2016
67
Tabel 4.16 Hasil Uji Multikolonieritas
Model Collinearity
Statistics Tolerance
VIF 1
Constant TPKP
TKIE TTA
0,665 0,778
0,670 1,504
1,285 1,492
Sumber : Data primer yang diolah, 2016
Berdasarkan hasil perhitungan nilai Tolerance juga menunjukan tidak ada variabel independen yang memiliki nilai
tolerance kurang dari 0,10, yaitu 0,665 untuk variabel persepsi keadilan prosedural, 0,778 untuk variabel iklim kerja etis dan 0,670
untuk variabel tekanan anggaran. Ini berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Hasil
perhitungan VIF juga menunjukkan hal yang sama, yaitu tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10,
yaitu 1,504 untuk variabel persepsi keadilan prosedural, 1,285 untuk variabel iklim kerja etis, dan 1,492 untuk variabel tekanan
anggaran. Jadi
dapat disimpulkan
bahwa tidak
ada multikolonieritas antar variabel independen dalam model regresi.
b. Hasil Uji Heterokedestisitas
Pengujian Heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians
68
dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan yang
lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik ada apabila terjadi
Homoskesdatisitas atau tidak terjadi Heteroskedastisitas. Hasil uji heteroskedastisitas terdapat dalam gambar 4.1 berikut :
Gambar 4.1 Grafik Scatterplot
Sumber : Data primer yang diolah, 2016 Berdasarkan gambar 4.1 grafik scatterplot menunjukan
bahwa data tersebar di atas dan di bawah angka 0 nol pada sumbu Y dan tidak terdapat suatu pola yang jelas pada penyebaran data
tersebut. Hal ini berarti tidak terjadi Heteroskedastisitas pada model persamaan regresi, sehingga model regresi layak digunakan
69
untuk memprediksi senjangan anggaran berdasarkan variabel yang memengaruhinya, yaitu persepsi keadilan prosedural, iklim kerja
etis, dan tekanan anggaran. Untuk menguji hasil heterokedastisitas berdasarkan uji
glejser terdapat pada tabel 4.17 di bawah ini.
Tabel 4.17 Hasil Uji
Glejser
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error
Beta 1
Constant 6,487
2,628 2,468 ,016
Persepsi Keadilan
Prosedural -,021
,068 -,046
-,316 ,753 Iklim Kerja
Etis ,113
,110 ,140
1,031 ,306 Tekanan
Anggaran -,169
,085 -,291 -1,989 ,051
a. Dependent Variable: RES2 Sumber : Data Primer yang diolah, 2016
Berdasarkan output di atas, diketahui bahwa nilai signifikansi variabel persepsi keadilan prosedural X
1
sebesar 0,753 lebih besar dari 0,05 artinya tidak terjadi heterokedastisitas.
Variabel iklim kerja etis X
2
sebesar 0,306 lebih besar dari 0,05 artinya tidak terjadi heterokedastisitas. Dan variabel tekanan
anggaran X
3
sebesar 0,051 lebih besar dari 0,05 artinya tidak terjadi heterokedastisitas.
70
c. Hasil Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi, variabel dependen dan independen atau
keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
Gambar 4.2 Hasil Uji Normalitas Menggunakan Grafik P-Plot
S u
m S
Sumber : Data primer yang diolah, 2016 Berdasarkan gambar 4.2 di atas, grafik p-plots menunjukkan
bahwa yang membandingkan antara data observasi dengan distribusi yang mendekati ditribusi normal. Hasil uji normalitas
menggunakan Grafik Histogram disajikan pada gambar 4.3 berikut ini :
71
Gambar 4.3 Hasil Uji Normalitas Menggunakan Histogram
Sumber : Data primer yang diolah,2016 Berdasarkan gambar 4.2 dan 4.3 di atas penyebaran data
berada disekitar garis diagonal dan mengikuti arah garis diagonal, ini menunjukkan bahwa model regresi telah memenuhi asumsi
normalitas. Untuk menguji normalitas berdasarkan uji statistik non-
parametik kolmogorov-smirnov K-S berdasarkan tabel 4.18 di bawah ini.
72
Tabel 4.18 Hasil Uji Kolmogorov Smirnov
Sumber : Data primer yang diolah, 2016 Berdasarkan output di atas, hasil uji kolmogorov
smirnov adalah 0,200 lebih besar dari 0,05 hal ini berarti H0 diterima yang berarti data residual terdistribusi normal
dan hasilnya konsisten dengan uji sebelumnya.
4. Hasil Analisis Regresi Berganda
Kategori