77
Tabel 4. 3 Hasil Uji
Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 152
Normal Parameters
a,b
Mean .0000000
Std. Deviation .00738131
Most Extreme Differences Absolute .072
Positive .072
Negative -.042
Test Statistic .072
Asymp. Sig. 2-tailed .055
c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber: Data diolah dengan SPSS 22 2016 Hasil uji normalitas dalam penelitian ini menggunakan uji One
Sample Kolmogorov-Smirnov. Berdasarkan tabel 4.3 dapat dilihat bahwa nilai K-S sebesar 0,055 dengan jumlah sampel sebesar 152
sampel memiliki nilai signifikansi diatas 0,05 yang berarti nilai residual terdistribusi secara normal dan memenuhi asumsi klasik.
b. Hasil Uji Multikolonieritas
Model regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat di antara variabel bebasnya. Berikut hasil uji
multikolonieritas yang dapat dilihat pada tabel 4.4 sebagai berikut:
78
Tabel 4. 4 Hasil Uji Multikolonieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
OPINI .923
1.084 FPDPRD
.665 1.503
SIZE Rp. Miliar .547
1.828 PAD
.743 1.346
DAU .661
1.513 a. Dependent Variable: KNJ
Sumber: Data diolah dengan SPSS 22 2016 Berdasarkan tampilan output SPSS pada tabel 4.4 menunjukkan
nilai nilai tolerance lebih dari 0, 1dan Variance inflation Factor VIF kurang
dari 10.
Model regresi
bebas dari
permasalahan multikolonieritas apabila memiliki nilai VIF kurang dari 10 dan nilai
tolerance lebih dari 0,1, sehingga dapat dikatakan bahwa model regresi dalam penelitian ini tidak mengalami permasalahan multikolonieritas.
c. Hasil Uji Heteroskedastisitas
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi Heteroskedastisitas Ghozali, 2013. Berdasarkan gambar
4.3 uji heteroskedastisitas menggunakan grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas
maupun di bawah angka 0 pada sumbu Y. Sehingga dapat disimpulkan bahwa pada model regresi ini tidak terjadi heteroskedastisitas.
79 Analisis dengan grafik plots memiliki kelemahan yang cukup
signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting. Semakin sedikit jumlah pengamatan semakin sulit
menginterpretasikan hasil grafik plots. Oleh sebab itu diperlukan uji
statistik yang lebih dapat menjamin keakuratan hasil Ghozali, 2013.
Sumber: Data diolah dengan SPSS 22 2016
Gambar 4. 3 Hasil Uji Heteroskedastisitas Menggunakan Grafik
Scatterplot
Penelitian ini mengggunakan uji glejser untuk mendeteksi heterokedastisitas. Uji Heteroskedastisitas dengan uji glejser dilihat
jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas
Ghozali, 2013. Hasil penelitian menggunakan uji glejser dapat dilihat pada tabel 4.5 berikut ini:
80
Tabel 4. 5 Hasil Uji Heteroskedastisitas Metode uji
glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error
Beta 1 Constant
.013 .004
3.034 .003
OPINI .000
.001 .024
.292 .771
FPDPRD -7.344E-5
.000 -.151
-1.534 .127
SIZE Rp. Miliar 8.168E-8
.000 .023
.208 .835
PAD .011
.010 .099
1.061 .291
DAU -.011
.006 -.193
-1.952 .053
a. Dependent Variable: ABSUT
Sumber: Data diolah dengan SPSS 22 Hasil tampilan output SPSS pada tabel 4.5 dapat dilihat bahwa
koefisien parameter untuk variabel independen OPINI, FPDPRD, SIZE, PAD, dan DAU tidak ada satupun yang signifikan secara
statistik mempengaruhi variabel dependen nilai Absolut Ut AbsUt. Hal ini terlihat dari probabilitas signifikansinya diatas tingkat
kepercayaan 5 Ghozali, 2013. Jadi, dapat disimpulkan bahwa model regresi tidak terdapat Heteroskedastisitas.
3. Hasil Koefisien Determinasi R
