Uji reliabilitas digunakan untuk dapat mengetahui keandalan suatu alat untuk dapat digunakan pada penelitian yang sama. Dimana
pengujian dilakukan dengan melihat rumus Alpha 0,6. Dibawah ini adalah hasil uji reliabilitas dengan menggunakan SPSS 17.
Tabel 4.23 Hasil Uji Reliabilitas
Kasus 1: Pengiriman Barang Lebih Awal
Reliability Statistics
Cronbachs Alpha
Cronbachs Alpha Based on
Standardized Items
N of Items .972
.972 17
Tabel 4.24 Hasil Uji Reliabilitas
Kasus 2: Penyesuaian Piutang Tak Tertagih
Reliability Statistics
Cronbachs Alpha
Cronbachs Alpha Based on
Standardized Items
N of Items .959
.959 17
Sumber : Output SPSS 17, 2012 Dari tabel tersebut dapat diketahui bahwa koefisien Alpha adalah
lebih besar dari 0,6 maka variabel tersebut adalah valid.
4.3.2. Uji Asumsi Klasik
Analisa dilakukan dengan metode analisa regresi berganda. Sebelum dilakukan uji hipotesis, peneliti akan melakukan uji asumsi
klasik. Pengujian ini perlu dilakukan untuk mengetahui apakah distribusi
data yang digunakan dalam penelitian sudah normal, serta bebas dari gejala multikolinearitas, heteroskedastitas serta autokorelasi. Menurut
Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah : • Berdistribusi normal
• Non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun
mendekati sempurna • Non-autokorelasi artinya kesalahan pengganggu dalam model regresi
tidak saling korelasi • Homoskedasitas, artinya variance variabel independen dari satu
pengamatan ke pengamatan yang lainya adalah konstan atau sama 1. Uji Normalitas
Pengujian ini dimaksudkan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal. Adapun uji normalitas dilakukan dengan dengan cara yaitu analisis grafik. Analisis grafik yang digunakan adalah grafik histogram.
Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram, data yang mengikuti mendekati distribusi normal
adalah distribusi data dengan bentuk lonceng. Berikut hasil uji normalitas dengan menggunakan analisa grafik :
Gambar 4.1. Hasil Pengujian Normalitas dengan Grafik Histogram
Kasus 1: Pengiriman Barang Lebih Awal
Sumber : Output SPSS 17, 2012 Gambar 4.2.
Hasil Pengujian Normalitas dengan Grafik Histogram Kasus 2: Penyisihan Piutang Tak Tertagih
Sumber : Output SPSS 17, 2012 Dari grafik histogram terlihat bahwa variabel berdistribusi normal.
Hal ini ditunjukkan oleh distribusi data tersebut tidak miring ke kiri atau ke kanan.
2. Uji Multikolinearitas Pengujian multikolinearitas bertujuan mengetahui ada tidaknya
multikolinearitas antar variabel-variabel independen. Model regresi yang baik seharusnya tidak terjadi koreksi antar variabel independen. Deteksi
dilakukan dengan melihat nilai VIF Variance Inflation Factor dan tolerance. Untuk melihat ada atau tidaknya multikolinearitas dalam model
regresi dapat dilihat dari : a. Nilai tolerance dan lawannya
b. Variance Inflation Factor
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang
rendah sama dengan nilai VIF yang tinggi karena VIF =
1 tolerance
. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas
adalah nilai tolerance 0.01 atau sama dengan VIF 10.
Tabel 4.25 Hasil Uji Multikolinearitas
Kasus 1: Pengiriman Barang Lebih Awal
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Keadilan
.580 1.724
Deontologi .639
1.566 Relativisme
.474 2.108
Egoisme .448
2.234 Utilitarianisme
.431 2.318
Penyesalan .558
1.793 Kelegaan
.512 1.955
Kepuasan .539
1.854 a. Dependent Variable: Ethical Judgement
Tabel 4. 26 Hasil Uji Multikolinearitas
Kasus 2 : Penyisihan Piutang Tak Tertagih
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Keadilan
.645 1.551
Deontologi .579
1.727 Relativisme
.614 1.629
Egoisme .525
1.905 Utilitarianisme
.584 1.711
Penyesalan .678
1.476 Kelegaan
.715 1.399
Kepuasan .646
1.548 a. Dependent Variable: Ethical Judgement
Sumber : Output SPSS 17, 201 Dari data pada tabel 4.25 dan tabel 4.26 diatas, dapat diketahui
bahwa seluruh variabel independen memiliki nilai tolerance yang besarnya diatas 0,1 dan nilai VIF yang lebih kecil dari 10. Maka dapat disimpulkan
bahwa data yang digunakan dalam penelitian ini bebas dari masalah multikolinearitas.
3. Uji Heteroskedastisitas Uji heteroskedasitas bertujuan untuk menguji terjadinya perbedaan
variance residual suatu periode pengamatan ke periode lain. Menurut Ghozali 2005:105 “Uji heteroskedastisitas bertujuan untuk menguji
apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain”. Model regresi yang baik
adalah tidak terjadi heteroskedastisitas. Cara mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat grafik scatterplott yang
dihasilkan dari pengolahan data menggunakan program SPSS 17. Dasar pengambilan keputusannya menurut Ghozali 2005:105 adalah sebagai
berikut : a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola yang
teratur maka mengindikasikan telah terjadi heteroskedasitas b. Jika tidak ada pola yang jelas, serta titik menyebar di bawah angka 0
pada sumbu y maka tidak heteroskedasitas.
Gambar 4.3. Uji Heterokedastisitas
Kasus 1 : Pengiriman Barang Lebih Awal
Gambar 4.4. Uji Heterokedastisitas
Kasus 2 : Penyisihan Piutang Tak Tertagih
Sumber : Output SPSS 17, 2012
Dari gambar diatas dapat dilihat bahwa tidak ada pola yang jelas, dan titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y. Hal
tersebut menandakan bahwa tidak terjadi heterokedastisitas.
4.3.3. Analisis Regresi Linear Berganda
