sebagai tingkat ”pembengkakan” varians. Jika VIF lebih besar dari 10 maka terjadi multikolinearitas. Adapun besaran VIF dari masing-masing variabel bebas
adalah sebagai berikut : Tabel
4.19 : VIF Variance Inflation Factor
No. Variabel Bebas VIF
1. 2.
3. Teknologi informasi X
1
Saling ketergantungan X
2
Karekteristik sistem akuntansi manajemen X
3
1,065 1,031
1,066
Sumber : Data diolah Lampiran 9.A Berdasarkan tabel 4.19 di atas menunjukkan bahwa nilai VIF pada variabel
teknologi informasi X
1
, saling ketergantungan X
2
dan karakteristik sistem akuntansi manajemen X
3
lebih kecil 10, sehingga dapat disimpulkan bahwa antar variabel bebas tidak terjadi multikolinearitas.
2. Uji Heteroskedastisitas
Heteroskedastisitas dapat diidentifikasikan dengan cara menghitung koefisien korelasi Rank Spearman antara nilai dari residual dengan seluruh
variabel bebas. Berikut ini hasil dari uji korelasi Rank Spearman masing-masing variabel bebas :
Tabel 4.20 : Hasil Korelasi Rank Spearman No. Variabel
Bebas Koefisien Korelasi
Rank Spearman Tingkat
signifikan 1.
2. 3.
Teknologi informasi X
1
Saling ketergantungan X
2
Karekteristik sistem akuntansi manajemen X
3
-0,068 -0,236
-0,134 0,666
0,128 0,391
Sumber : Data diolah Lampiran 9.B Berdasarkan tabel 4.20 di atas dapat ditunjukkan koefisien korelasi Rank
Spearman pada variabel teknologi informasi X
1
, saling ketergantungan X
2
dan
karakteristik sistem akuntansi manajemen X
3
memiliki tingkat signifikan lebih besar dari 0,05 sig 5 maka dapat disimpulkan bahwa model regresi yang
dihasilkan tidak terjadi heteroskedastisitas.
3. Uji Normalitas
Menurut Gujarati 1995: 66-67 bahwa dalam regresi OLS Ordinary Least Square
asumsi normalitas diberlakukan pada u
i
residual. Dalam regresi OLS Ordinary Least Square b
, b
1
, b
2
, b
3
dan b
4
adalah fungsi linier dari Y dan Y adalah fungsi linier dari u
i
residual. Distribusi sampling dari regresi OLS Ordinary Least Square tergantung pada distribusi residual u
i
, apabila residual u
i
berdistribusi normal dengan sendirinya b , b
1
, b
2
, b
3
dan b
4
juga berdistribusi normal. Berikut ini hasil dari uji normalitas pada residual :
Tabel 4.21 : Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
43 .0000000
3.02683483 .168
.117 -.168
1.103 .176
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Data diolah Lampiran 9.B Berdasarkan hasil uji normalitas menunjukkan bahwa distribusi data pada
residual adalah distribusi normal, karena nilai Kolmogorov-Smirnov yang
dihasilkan 1,103 dengan tingkat signifikan sebesar 0,176 diatas 0,05 sig 5.
Apabila residual u
i
berdistribusi normal dengan sendirinya variabel teknologi