Menurut Ghozali
2005 besarnya nilai VIF dianggap tidak terjadi
multikolinearitas bila lebih kecil dari 10. Dengan demikian disimpulkan bahwa model regresi ini tidak terjadi multikolinearitas.
Hal ini juga dipertegas dengan tabel pengujian multikolinearitas dengan Metode Matrik Korelasi pada Tabel 4-5 sebagai berikut :
Tabel 4-5 : Pengujian Multikolinearitas Dengan Metode Matrik Korelasi
X1 X2
AbsInteraksi X1 Pearson
Correlation 1 .306
.157 Sig. 2-tailed
.022 .247
N 56 56
56 X2 Pearson
Correlation .306
1 .058
Sig. 2-tailed .022
.671 N
56 56 56
AbsInteraksi Pearson Correlation
.157 .058
1 Sig.
2-tailed .247
.671 N
56 56 56
Correlation is significant at the 0.05 level 2-tailed
Hasil pengujian berdasarkan Matrik Korelasi pada Tabel 4-5 menunjukkan koefisien korelasi antar variabel lainnya yaitu sebesar 0.157 atau sebesar 15.70
maka disimpulkan data tersebut tidak mengalami multikolinearitas.
4.3.2 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji t dan Uji F mengasumsikan
bahwa nilai residual mengikuti distribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji
statistik.
Mathilda Tjandra : Pengaruh Partisipasi Dalam Penyusunan Anggaran Terhadap Kinerja Manajerial Dengan..., 2008 USU e-Repository © 2008
Normal Probability Plot adalah membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Distribusi normal
akan membentuk suatu garis lurus diagonal dan ploting data akan dibandingkan dengan garis diagonal. Jika distribusi data normal, maka garis yang menggambarkan
data sesungguhnya akan mengikuti garis diagonalnya Ghozali,2005. Berdasarkan tampilan grafik normal P-P Plot pada Gambar 4-1 berikut yang
diambil dari Lampiran 7, menunjukkan titik – titik menyebar disekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal.
Hal ini berarti model regresi mempunyai distribusi normal atau mendekati normal, sehingga regresi layak dipakai untuk memprediksi variabel dependen yaitu
kinerja manajerial berdasarkan masukan variabel independennya.
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expec ted Cum Prob
Dependent Variable: Y Normal P-P Plot of Regression Standardized
Residual
Gambar 4-1 : Normal P-P Plot Uji Normalitas Selain dengan grafik uji normalitas data dapat menggunakan uji kolmogorov-
Smirnov Uji K-S. Hal ini diketahui dari nilai Kolmogorov Smirnov sebesar 0.599 untuk data residualnya. Jika signifikasi nilai K-S lebih besar dari 0.05 maka dapat
Mathilda Tjandra : Pengaruh Partisipasi Dalam Penyusunan Anggaran Terhadap Kinerja Manajerial Dengan..., 2008 USU e-Repository © 2008
dinyatakan bahwa data ini merupakan distribusi normal yang didukung oleh Gambar 4-2 sebagai berikut :
3 2
1 -1
-2
Regression Standardized Residual
12 10
8 6
4 2
Freq uency
Mean = 3.47E-18 Std. Dev. = 0.972
N = 56
Dependent Variable: Y Histogram
Gambar 4-2 : Grafik Histogram Dengan melihat tampilan grafik histogram dan grafik normal probability plot
pada Gambar 4-1 dan 4-2 disimpulkan bahwa kedua grafik tersebut dapat dikatakan memenuhi asumsi normalitas dan model regresi layak untuk dipakai.
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati sebab itu uji normalitas dapat dilakukan dengan uji statistik sederhana dengan melihat nilai
kurtosis dan skewness dari residual. Tabel 4-6 : Uji Normalitas dengan Uji Skewness dan Kurtosis
Descriptive Statistics
N Skewness
Kurtosis Statistic Statistic Std.
Error Statistic Std. Error
Unstandardized Residual 56
.243 .319
-.694 .628
Valid N listwise 56
Nilai z statistik untuk skewness dan kurtosis dengan rumus
Mathilda Tjandra : Pengaruh Partisipasi Dalam Penyusunan Anggaran Terhadap Kinerja Manajerial Dengan..., 2008 USU e-Repository © 2008
Zskewness =
Skewness √6N dan Zkurtosis = Kurtosis√24N
dalam penelitian ini diperoleh nilai Zskewness sebesar 0.743 dan Zkurtosis sebesar 1.061 sedangkan Ztabel untuk data 56 adalah sebesar 2.000.
Jadi dapat disimpulkan nilai Zskewness dan Zkurtosis dibawah nilai tabel sehingga data terdistribusi normal.
4.3.3 Uji Heteroskedastisitas
