commit to user 55
Pada penelitian
ini untuk
mendeteksi ada
atau tidaknya
multikolinearitas dalam suatu model regresi adalah dengan melihat nilai
Variance Inflation Factor VIF
dan nilai toleransi
tolerance value
.
Tolerance value
hasil pengujian 0,10 dan nilai
VIF
10 merupakan dasar untuk mengambil suatu kesimpulan bahwa tidak terjadi
multikolinearitas antara
variabel bebas
dalam model
regresi Ghozali,2006: 92. Dari hasil perhitungan dapat dilihat pada tabel berikut:
Tabel 18 Hasil Uji Multikolinearitas
Variabel Tolerance
VIF Keterangan
Regresi II
Mutasi Auditor 0,925
1,081 Tidak terjadi multikolinearitas
Independensi 0,925
1,081 Tidak terjadi multikolinearitas
Regresi III
Perencanaan Pemeriksaan 0,644
1,553 Tidak terjadi multikolinearitas
Pelaksanaan Pemeriksaan 0,479
2,088 Tidak terjadi multikolinearitas
Supervisi Reviu 0,516
1,938 Tidak terjadi multikolinearitas
Pelaporan Hasil Pemeriksaan 0,518
1,929 Tidak terjadi multikolinearitas
Pemantauan Tindak Lanjut 0,778
1,285 Tidak terjadi multikolinearitas
Evaluasi Pemeriksaan 0,774
1,292 Tidak terjadi multikolinearitas
Sumber: data diolah, 2012
Tabel di atas menunjukkan bahwa nilai
VIF
dari variabel mutasi auditor, independensi dan pengendalian mutu kinerja pemeriksaan mempunyai
nilai
tolerance
0.10 dan
VIF
10, yang berarti dalam persamaan regresi tidak ada indikasi multikolinearitas atau non multikolinearitas.
3. Autokorelasi
Uji autokorelasi mempunyai tujuan apakah dalam suatu model regresi ada korelasi antara kesalahan pengganggu dalam suatu urutan waktu
Ghozali,2006: 95. Pengujian yang dilakukan dengan menggunakan
Runs Test
.
Runs Test
dapat pula digunakan untuk menguji apakah antar residual
commit to user 56
terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random.
Runs test
digunakan untuk melihat apakah data residual terjadi secara random atau tidak sistematis. Tidak terjadi autokorelasi yaitu apabila probabilitas
signifikan lebih besar dar i α = 0,05 Ghozali, 2006: 104. Hasil uji
autokorelasi dapat dilihat pada tabel berikut:
Tabel 19 Uji Autokorelasi Regresi
P Value ά
Kesimpulan
Z =a+bx
1
0,324 0,05
Tidak Terjadi Autokorelasi Y=a+b
1
X
1
+b
2
Z 0,930
0,05 Tidak Terjadi Autokorelasi
Y=a+b
1
X
1
+b
2
X
2
+b
3
X
3
+ b
4
X
4
+b
5
X
5
+b
6
X
6
0,656 0,05
Tidak Terjadi Autokorelasi Sumber: data diolah, 2012
Dari tabel 19 menunjukkan bahwa pada regresi struktural I, regresi sruktural II dan regresi III tidak ada gejala autokorelasi karena
p-value
0,05.
4. Uji Heteroskedastisitas
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu bergelombang, melebar
kemudian menyempit pada grafik plot
scatterplot
antara nilai prediksi variabel terikat
ZPRED
dengan residualnya
SRESID
.
commit to user 57
Gambar 2 Grafik Uji Hetereokedastisitas persamaan regresi struktural I
Gambar 3 Grafik Uji Hetereokedastisitas persamaan regresi struktural II
commit to user 58
Gambar 4 Grafik Uji Hetereokedastisitas persamaan regresi III
Dari gambar grafik 2, gambar grafik 3 dan gambar grafik 4 uji
heteroskedastisitas persamaan regresi struktural I dan struktural II tersebut di atas terlihat bahwa tidak ada pola yang terbentuk. Data variance
menyebar secara acak sehingga dapat dikatakan bahwa data tersebut linier, yang berarti tidak ada gejala heteroskedastisitas pada persamaan regresi
struktural I, regresi struktural II dan persamaan regresi struktural III.
D. Pengujian Hipotesis.