4.3. Analisis Regresi Linier Berganda dengan Variabel Dummy 4.3.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Uji normalitas pada penelitian ini dilakukan dengan
melihat uji kolmogorov smirnov pada residual. Berikut ini hasil uji normalitas pada residual :
Tabel 4.4 : Hasil Uji Normalitas Residual
One-Sample Kolmogorov-Smirnov Test
103 .0000000
13.35052238 .097
.097 -.067
.983 .289
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 2 Tingkat signifikan dari hasil uji kolmogorov smirnov adalah sebesar 0,289.
Nilai ini melebihi dari 0,05 yang berarti residual mengikuti distribusi normal, sehingga didapatkan variabel Tingkat Profitabilitas X
1
, variabel Proporsi Hutang X
2
, variabel Perubahan Auditor D, dan variabel Audit Delay Y telah berdistribusi normal.
4.3.2. Uji Multikolinearitas
Multikolinearitas menunjukkan adanya lebih dari satu hubungan linier yang sempurna. Hal tersebut seperti yang telah dikemukakan oleh Santoso 2002:203
bahwa tujuan uji multikolinearitas adalah untuk menguji apakah pada model
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
regresi ditemukan adanya korelasi antar variabel bebas independent. Jika terjadi korelasi, maka dinamakan terdapat problem multikolinearitas. Untuk mendeteksi
adanya multikolinearitas adalah dari besarnya VIF Variance Inflating Factor dan tolerance. Nilai cut off yang umum dipakai adalah nilai tolerance 0,10 atau
sama dengan nilai VIF dibawah 10 Ghozali, 2006 : 95, dengan analisa sebagai berikut :
Tabel 4.5 : Hasil Uji Multikolinieritas No.
Variabel Penelitian VIF
1 Tingkat Profitabilitas X
1
1,007 2
Proporsi Hutang X
2
1,006 3
Perubahan Auditor D 1,002
Sumber : Lampiran 2 Berdasarkan data tabel 4.5 diatas, dapat diketahui bahwa nilai VIF dari
masing-masing variabel bebas, yaitu nilai VIF variabel Tingkat Profitabilitas X
1
= 1,007, nilai VIF variabel Proporsi Hutang X
2
= 1,006, dan nilai VIF variabel Perubahan Auditor D = 1,002. Dari nilai VIF untuk masing-masing variabel
bebas tersebut di atas menunjukkan bahwa antara variabel Tingkat Profitabilitas, variabel Proporsi Hutang, dan Perubahan Auditor tidak terdapat korelasi atau
hubungan, dilihat dari nilai VIF nya kurang dari 10, hal ini berarti bahwa antar
variabel bebas tidak terjadi multikolinearitas. 4.3.3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
pengganggu pada periode t-1 sebelumnya. Model regresi yang mengalami gejala autokorelasi memiliki standard error yang sangat besar sehingga model regresi
kemungkinan besar tidak signifikan. Untuk mendeteksi adanya autokorelasi adalah dari besaran Durbin Watson.
k = 3
n = 103
d
L
= 1,6196 d
U
= 1,7392 Lampiran 3 d
= 1,932 Lampiran 2 Gambar 4.1 : Distribusi Daerah Keputusan Autokorelasi
Kurva ini di atas menunjukkan bahwa nilai d yang dihasilkan berada diantara diantara d
U
1,7392 dengan 4-d
U
2,2608 atau berada pada daerah tidak ada autokorelasi, hal ini berarti asumsi autokorelasi terpenuhi.
4.3.4. Uji Heterokedastisitas