3.4.2 Uji Kualitas Data
Menurut Hair et al 1996 dalam Irianto 2009, kualitas data yang dihasilkan dari penggunaan instrumen penelitian dapat dievaluasi melalui uji reliabilitas dan
validitas. Pengujian yang dimaksud adalah untuk mengetahui konsistensi dan akurasi data yang dikumpulkan dari penggunaan instrumen. Prosedur pengujian
kualitas data adalah sebagai berikut:
3.4.2.1. Uji Validitas
Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner
mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Uji validitas dapat dilakukan dengan melihat nilai correlated item.
Total Correlation dengan kriteria sebagai berikut: jika nilai ℎ
lebih besar dari
dan nilainya positif, maka butir pertanyaan atau indikator tersebut dikatakan“valid” Ghozali, 2006. Namun sebaliknya, jika nilai ℎ
lebih kecil dari
, maka pertanyaan tersebut dapat dikatakan “tidak valid”.
3.4.2.2 Uji Reliabilitas
Menurut Ghozali 2006 suatu kusioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten dari waktu ke
waktu. Pengujian ini dilakukan dengan menghitung koefisien cronbach alpha dari masing-masing instrumen dalam suatu variabel.
3.4.2.3 Uji Asumsi Klasik
Pengujian hipotesis dalam penelitian ini menggunakan alat analisis regresi berganda multiple regression, maka diperlukan uji asumsi klasik yang terdiri
dari:
3.4.2.3.1 Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2006.
Normalitas data dapat dideteksi dengan menggunakan alat analisis grafik yang berupa uji Kolmorov Smirnov yang dapat dilihat berdasarkan kriteria berikut:
• Apabila probabilitas atau signifikansi 0,05, maka distribusi data normal. • Apabila probabilitas atau signifikansi 0,05, maka distribusi data tidak normal.
3.4.2.3.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi yang digunakan ditemukan adanya korelasi antar variabel bebas independen. Uji
Multikolinearitas data dapat dilihat dari besarnya nilai VIF Variance Inflation Factor dan nilai toleransi tolerance value. Jika nilai toleransi 0.10 atau VIF
5, artinya tidak terdapat multikolinearitas antar variabel independen dan apabila nilai toleransi 0.10 atau VIF 5, maka diduga mempunyai persoalan
multikolinearitas Ghozali, 2006.
3.4.2.3.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan dengan
pengamatan lainnya. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Dan jika varians
berbeda, maka disebut heterokesdastisitas.Modal regresi yang baik adalah tidak terjadinya heterokedastisistas. Gejala heteroskedastisitas dapat dideteksi dengan
melihat ada tidaknya pola tertentu pada grafik scatterplot di sekitar nilai residual dan variabel dependen suatu penelitian. Jika terdapat pola tertentu, maka telah
terjadi gejala heteroskedastisitas.
3.4.4 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini dilakukan dengan menggunakan model analisis regresi berganda, yaitu metode statistik yang digunakan untuk menguji
hubungan suatu variabel dependen terhadap lebih dari satu variabel independen dan menggunakan alat statistik SPSS Statistical Product and Service Solutions.
Dalam penelitian ini, analisis regresi yang digunakan untuk mengetahui ada tidaknya pengaruh moralitas aparat, asimetri informasi, dan ketaatan aturan
akuntansi terhadap kecenderungan kecurangan akuntansi. Menurut Ghozali 2006, analisis regresi berganda dilaksanakan dengan cara mengukur goodness of
fit model regresi untuk menilai ketepatan fungsi regresi sampel dalam menaksir nilai aktual. Secara statistik, setidaknya goodness of fit dapat diukur dari nilai
adjusted ², signifikansi nilai statistik F dan nilai statistik t. Model dasar pengujian ini adalah sebagai berikut:
Y = α + β1X1 + β2X2 + β3X3 + ε
Keterangan: Y
= Kecenderungan Kecurangan Akuntansi α
= Konstanta β1 β2 β3
= Koefisien regresi X1
= Asimetri Informasi X2
= Ketaatan Aturan Akuntansi ε
= Error tingkat kesalahan
Kategori