distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya.
b. Uji Multikolinieritas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi yang baik seharusnya tidak
terjadi korelasi di antara variabel independen. Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang
lainnya. Dalam hal ini kita sebut variabel-variabel bebas ini tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang
memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah: 1.
Koefisien-koefisien regresi menjadi tidak dapat ditaksir. 2. Nilai standar error setiap koefisien regresi menjadi tak terhingga. Pengujian ini bermaksud untuk
menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka dinamakan terdapat problem
multikolinieritas. Pengujian multikolinearitas dilakukan dengan melihat nilai VIF Variance
Inflation Factor dari model penelitian dan korelasi di antara variabel independen. Jika nilai VIF lebih besar dari 2 Hair, 2003, maka terjadi gejala multikolinearitas
di antara variabel independen. Di samping itu, suatu model dikatakan terdapat gejala mulkolinearitas, jika korelasi di antara variabel independen lebih besar dari
0,9 Ghozali, 2001. Ada dua cara yang dapat dilakukan jika terjadi multikolinieritas, yaitu :
Faisal Amri : Analisis Faktor-faktor Yang Mempengaruhi Kinerja Sistem Informasi Akuntansi Studi kasusu Pada PT. Coca-Cola Bottling Indonesia, 2010.
a. Mengeluarkan salah satu variabel, misalnya variabel independent A dan B saling berkolerasi dengan kuat, maka bisa dipilih A atau B yang
dikeluarkan dari model regresi. b. Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi Ridge.
c. Uji Heterokedastisitas
Tujuan dari pengujian ini adalah untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain Santoso, 2004 :208. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas.
Sebaliknya jika varians berbeda, maka disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Ada beberapa cara yang digunakan untuk mendeteksi ada tidaknya heterokedastisitas. Dalam penelitian ini, cara yang digunakan adalah melihat
grafik plot antara nilai prediksi variabel terikat dengan residualnya. Dasar analisis yang digunakan yaitu :
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka
mengindikasikan telah terjadi heterokedastisitas. b. Jika tidak ada pola yang jelas, serta titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas Uji asumsi klasik yang digunakan hanya terbatas pada ketiga uji di atas,
sedangkan uji autokorelasi tidak digunakan. Hal ini dikarenakan uji autokorelasi yang bertujuan untuk menguji apakah dalam suatu model regresi linear ada
Faisal Amri : Analisis Faktor-faktor Yang Mempengaruhi Kinerja Sistem Informasi Akuntansi Studi kasusu Pada PT. Coca-Cola Bottling Indonesia, 2010.
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya muncul karena observasi yang berurutan sepanjang
tahun yang berkaitan satu dengan lainnya. Uji autikorelasi ini sering ditemukan pada data time series, bukan yang cross section Erlina, 2007:108. Data yang
digunakan dalam penelitian ini adalah cross section.
3. Model dan Pengujian Hipotesis
Kategori