57
Tabel 4.13 menunjukkan variabel konflik peran mempunyai kriteria valid untuk semua item pertanyaan dengan nilai
signifikansi lebih kecil dari 0,05.
Tabel 4.14 Hasil Uji Validitas Kepuasan Kerja Auditor
Nomor Butir Pertanyaan
Pearson Corelation
Sig 2- Tailed
Keterangan 33 KKA1
0,633 0,000
Valid 34 KKA2
0,698 0,000
Valid 35 KKA3
0,829 0,000
Valid 36 KKA4
0,758 0,000
Valid 37 KKA5
0,589 0,000
Valid Sumber: Data primer yang diolah
Tabel 4.12 menunjukkan variabel kepuasan kerja auditor
mempunyai kriteria valid untuk semua item pertanyaan dengan nilai signifikansi lebih kecil dari 0,05.
3. Hasil Uji Asumsi Klasik
a. Hasil Uji Multikolinearitas Untuk mendeteksi adanya problem multiko, maka dapat
dilakukan dengan melihat nilai Tolerance dan Variance Inflation Factor VIF serta besaran korelasi antar variabel independen.
58
Tabel 4.15 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1
C 3.935
2.806 1.402 .164
TKO .220
.038 .516 5.765 .000
.655 1.528 TKP
.189 .106
.158 1.783 .077 .664 1.506
TMK .045
.050 .066
.889 .376 .962 1.040
TKfP -.029
.076 -.029 -.388 .699
.969 1.033 a. Dependent Variable: TKKA
Sumber: Data primer yang diolah
Berdasarkan tabel 4.15 diatas terlihat bahwa nilai tolerance mendekati angka 1 dan nilai Variance Inflation Factor VIF
disekitar angka 1 untuk setiap variabel, yang ditunjukkan dengan nilai tolerance untuk komitmen organisasional sebesar 0,655 serta
1,528, komitmen profesional sebesar 0,664 serta VIF 1,506, motivasi kerja sebesar 0,962 serta 1,040 dan konflik peran sebesar
0,969 serta 1,033. Dengan demikian, dapat disimpulkan bahwa model persamaan regresi tidak terdapat problem multiko dan dapat
digunakan dalam penelitian ini. b. Hasil Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi, variabel dependen dan variabel independen atau
keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
59
Sumber: Data primer yang diolah
Gambar 4.1 Hasil Uji Normalitas Menggunakan Grafik P-Plot
Gambar 4.1 memperlihatkan data yang berada di sekitar garis diagonal dan cenderung mengikuti arah garis diagonal, sehingga
dapat disimpulkan bahwa data berdistribusi normal dan memenuhi asumsi normalitas.
Untuk lebih meyakinkan hasil uji grafik maka pada uji normalitas ini juga dilengkapi dengan uji statistic, yaitu dengan
menggunakan Uji Kolmogorov-Smirnov K-S. Analisis ini merupakan suatu pengujian normalitas secara univariate untuk
menguji keselarasan data masing-masing variabel penelitian, dimana suatu sampel dikatakan berdistribusi normal atau tidak.
Data yang berdistribusi normal ditunjukan dengan nilai signifikansi di atas 0.05 atau 5 Ghozali, 2009:164
60
Tabel 4.16 Hasil Uji Normalitas Menggunakan Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
120 Normal Parameters
a
,b Mean
.0000000 Std.
Deviation 2.38088543
Most Extreme Differences Absolute
.054 Positive
.048 Negative
-.054 Kolmogorov-Smirnov Z
.592 Asymp. Sig. 2-tailed
.875 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data primer yang diolah Hasil pengujian normalias pada pengujian Kolmogorov-
Smirnov dapat dari table 4.16 di atas menunjukkan tingkat signifikan di atas 0.05 dengan nilai Kolmogorov-Smirnov Z
sebesar 0.592 dan nilai probabilitas sebesar 0.875. Hal ini mengindikasikan data residual terdistribusi secara normal, karena
memiliki nilai signifikansi di atas 0.05 c. Hasil Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari
residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan yang
lain tetap, maka disebut homoskedastisitas.
61
Sumber: Data primer yang diolah
Gambar 4.2 Grafik Scatterplot
Berdasarkan gambar 4.2, grafik scatterplot menunjukkan 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 untuk memprediksi kepuasan kerja auditor berdasarkan variabel yang
mempengaruhinya, yaitu komitmen organisasional, komitmen professional, motivasi kerja dan konflik peran.
Gambar 4.2 menunjukkan titik-titik yang menyebar secara acak dan tidak membentuk suatu pola tertentu serta tersebar diatas
dan dibawah angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas sehingga model regresi layak
digunakan. Untuk menguatkan uji grafik, maka dilakukan uji statistik gletsjer
62
Tabel 4.17 Hasil Uji Heteroskedastisitas Menggunakan Uji Gletsjer
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1 C
4.316 1.705
2.531 .013 TKO
-.041 .023
-.197 -1.767 .080 .655 1.528
TKP .034
.064 .059
-.535 .594 .664 1.506
TMK -.051
.030 -.155 -1.675 .097
.962 1.040 TKfP
-.007 .046
-.014 -.151 .880
.969 1.032 a. Dependent Variable: abs_res
Sumber: Data primer yang diolah Berdasarkan hasil uji gletsjer pada tabel diatas dapat diketahui
bahwa tidak terjadi heteroskedastisitas dalam model regresi ini, hal ini dibuktikan dengan nilai signifikansi yang lebih besar
daripada 0,05 untuk setiap variabel yaitu komitmen organisasional memiliki nilai signifikansi 0,080, variabel komitmen profesional
memiliki nilai signifikansi 0,594, motivasi kerja memiliki nilai signifikansi sebesar 0,097 dan konflik peran memiliki nilai
signifikansi 0,880.
4. Hasil Uji Hipotesis
