Uji asumsi klasik untuk mengetahui apakah model regresi yang digunakan dalam penelitian ini baik atau tidak Sebelum melakukan analisis regresi, maka
dilakukan pengujian asumsi klasik yang harus dipenuhi, yaitu:
3.10.2.1. Uji Normalitas Data
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Uji normalitas
dilakukan dengan menggunakan pendekatan Kolmogorov – Smirnov. Dengan menggunakan tingkat signifikan 5 maka jika nilai P
value
Sig. diatas nilai signifikan 5 dapat disimpulkan bahwa data diambil dari populasi yang
berdistribusi normal.
3.10.2.2. Uji Heteroskedastisitas
Adanya varians variabel independen adalah konstan untuk setiap nilai tertentu variabel independen Homokedastisitas. Model regresi yang baik
adalah tidak terjadi heteroskedastisitas, atau terjadi homoskedastisitas. Heteroskedastisitas diuji dengan menggunakan uji Glejser dengan
pengambilan keputusan jika variabel independen signifikan secara statistik mempengaruhi variabel dependen maka ada indikasi terjadinya
heteroskedastisitas. Jika probabilitas signifikannya diatas tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah adanya
heteroskedastisitas.
3.10.2.3. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen Erlina, 2008:105.
Jika terjadi korelasi, berarti terjadi masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dilihat dari nilai tolerance dan nilai Variance Inflation
Factor VIF. Batasan yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai tolerance 0,10 dan nilai VIF10. Apabila nilai
tolerance 0,10 atau nilai VIF 10 maka dapat disimpulkan tidak terjadi multikolinearitas.
3.10.2.4. Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota observasi yang disusun menurut waktu atau tempat. Model regresi yang baik seharusnya
tidak terjadi autokorelasi. Metode pengujian menggunakana uji Durbin Watson DW test.
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Kriteria pengujian dengan uji autokorelasi adalah sebagai berikut:
a. Jika DW dL atau DW 4-dL maka terdapat autokorelasi. b. Jika dL DW dU atau 4-dU DW 4-dL maka status autokorelasi
tidak dapat dijelaskan inconclusive. c. Jika dU DW 4-dU maka tidak terjadi autokorelasi Non
Autokorelasi.
3.10.3 Uji Hipotesis
Untuk mengukur seberapa jauh pengaruh variabel independen terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan:
1. Analisis Regresi Linier Berganda Analisis statistik yang digunakan adalah analisis regresi berganda sebagai
model memprediksi dan mempelajari hubungan kausal antara variabel dependen dan beberapa variabel independen. Untuk menguji menguji pengaruh dua arah
atau lebih variabel independen terhadap variabel dependen dengan skala pengukur atau rasio dalam suatu persamaan linear, sedangkan menurut Dajan 1986 dan
Supranto 1996 untuk menguji model pengaruh dan hubungan variabel independen yang lebih dari dua variabel terhadap variabel dependen digunakan
persamaan regresi linear berganda dengan metode Ordinary Least Squares OLS. Ordinary Least Squares OLS merupakan salah satu cara untuk menghitung
parameter α, β dan e dari suatu persamaan regresi. Supranto 1996 mengemukakan bahwa semakin kecil nilai error maka akan membuat penaksiran
itu semakin baik. Penelitian ini menggunakan model regresi linier berganda multiple
linear regression analysis, karena terdiri dari satu variabel dependen dan beberapa variabel independen. Persamaan dirumuskan sebagai berikut :
Y = a + b
1
X
1
+ b
2
X
2
+ e
Keterangan: Y
= Kinerja Manajerial a
= Konstanta b
1
;b
2
; = Koefesien regresi
X
1
= Kejelasan Sasaran Anggaran X
2
= Partisipasi Anggaran e
= Standar error
2. Analisis Regresi dengan Variabel Moderating