Differences Positive
.185 Negative
-.096 Kolmogorov-Smirnov Z
.761 Asymp. Sig. 2-tailed
.608 a. Test distribution is Normal.
b. Calculated from data. Sumber : Hasil Output SPSS, diolah peneliti 2014 Lampiran 4
Dari tabel di atas dapat diketahui besarnya nilai Kolmogorov-Smirnov adalah 0.761 dengan probabilitas signifikansi 0.608 dan dapat disimpulkan bahwa
data dalam regresi telah terdistribusi secara normal dimana nilai signifikansinya lebih besar daripada 0.05 0.608 0.05.
Hasil pengujian grafik histogram yang sejalan dengan model uji Kolmogorov-Smirnovmenyatakan bahwa data telah terdistribusi secara normal.
Oleh karena itu, pengujian asumsi klasik yang lain dapat dilanjutkan karena telah diuji normalitas datanya.
4.3.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2006:91. Uji Multikolinearitas dilakukan dengan melihat nilai tolerance dan
lawannya Variance Inflation Factor VIF. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0.10. Uji Multikolinearitas menunjukkan hasil seperti yang
disajikan pada tabel di bawah ini
Universitas Sumatera Utara
Tabel 4.5 Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant Total Assets
0.890 1.124
Return on Assets 0.779
1.283 Debt to Equity Ratio
0.709 1.411
Opini Audit 0.781
1.280 Sumber : Hasil Output SPSS, diolah peneliti 2014 Lampiran 4
Data yang disajikan paada tabel 4.5 di atas menunjukkan bahwa semua variabel independen memiliki nilai tolerance lebih besar dari 0.10 yaitu untuk
variabel Total Assetssebesar 0.890, variabel Return on Assetssebesar 0.779, variabel Debt to Equity Ratiosebesar 0.709, dan variabel Opini Audit sebesar
0.781. Begitu pula dengan nilai VIF untuk masing-masing variabel independen memiliki nilai kurang dari 10, atau VIF 10 yaitu untuk variabel Total
Assetssebesar 1.124, variabel Return on Assetssebesar 1.283, variabel Debt to Equity Ratiosebesar 1.411, dan variabel Opini Audit sebesar 1.280.
4.3.3 Uji Heterokedastisitas
Uji Heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
Universitas Sumatera Utara
lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heterokedastisitas. Model
regresi yang baik adalah yang Homokedastisitas atau tidak terjadi Heterokedastisitas Ghozali, 2006:105.
Untuk mendeteksi ada atau tidaknya heterokedastisitas dilakukan dengan melihat grafik scatterplot. Sumbu Y menjadi sumbu yang telah diprediksi dan
sumbu X adalah residual Y prediksi-Y sesungguhnya yang telah di studentized. Deteksi ada tidaknya heterokedastisitas dapat dilakukan sebagai berikut :
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, mengidentifikasikan telah terjadi heterokedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
Pola grafik Scatterplot pada model penelitian ini dapat dilihat pada gambar 4.2 berikut
Universitas Sumatera Utara
Gambar 4.2 Uji Heterokedastisitas
Dari grafik Scatterplot di atas terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, dan
titik-titik tersebut juga menyebar secara acak dan tidak membentuk suatu pola tertentu. Hal ini dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada
model regresi, sehingga model regresi layak dipakai untuk memprediksi variabel Audit Delay berdasarkan masukan variabel independen Total Assets, Return on
Assets, Debt to Equity Ratio, dan Opini Audit. Adanya titik-titik yang menjauh dari titik-titik lain dikarenakan adanya data observasi yang sangat berbeda dengan
data observasi lainnya.
Universitas Sumatera Utara
4.3.4 Uji Autokorelasi
