Tabel 4.9 hasil Uji Kolomogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 116
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,91813001
Most Extreme Differences Absolute
,050 Positive
,029 Negative
-,050 Kolmogorov-Smirnov Z
,536 Asymp. Sig. 2-tailed
,936 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data Primer yang diolah, 2011 Nilai sig. kolmogorov-smirnov pada unstandardized residual sebesar 0,936 yang
lebih besar α
= 0,05, hal ini berarti data yang digunakan terdistribusi secara normal.
b. Uji Autokorelasi
Uji autokorelasi dimaksudkan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autukorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lainnya Ghozali,2005:95. Pengujian dilakukan dengan membandingkan nilai Durbin-Watson DW dalam tabel Durbin-
Watson d. Tabel di bawah adalah pedoman untuk uji autokorelasi
Universitas Sumatera Utara
Tabel 4.10 Tabel Klasifikasi Nilai d
Nilai d Keterangan
1.10 Ada Autokorelasi
1.10 – 1.54 Tidak ada kesimpulan
1.55 – 2.46 Tidak ada Autokorelasi
2.46 – 2.90 Tidak ada kesimpulan
2.90 Ada Autokorelasi
Nilai uji durbin watson dalam penelitian ini sebesar 2.45 Berdasarkan tabel klasifikasi nilai d angka 2.14 berada di antara 1,55 – 2,46 maka model regresi tidak
terjadi autokorelasi.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk melihat apakah variasi data sifatnya homogen atau heterogen. Pada analisis regresi sebaiknya variasi data masih bersifat
homogen atau tidak boleh terjadi heteroskedastisitas. Deteksi ada tidaknya problem
heteroskedastisitas adalah dengan media grafik, apabila grafik membentuk pola khusus maka model terdapat heteroskedastisitas. Tetapi, jika tidak ada pola yang
jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas. Hasil uji heteroskedastisitas dapat dilihat hasilnya
sebagai berikut :
Universitas Sumatera Utara
Sum
Grafik sc membentu
daerah su dengan jel
d. Uji A
Uji an unidemen
menginfor merupaka
factor yan analisis fa
mber : Data
catter plots uk pola tert
umbu X m las. Hasil in
Analisis Fak
nalisis fakto nsional at
rmasikan s an indikator
ng tinggi G aktor adalah
Hasil Uji Gra
Primer yan
s memperli entu yang j
maupun sum ni memperli
ktor
or digunaka tau apaka
sebuah kon r pengukur
Ghozali, 200 h sebagai be
Gambar 4. i Heteroske
afik Scatter
ng diolah 20
ihatkan ba jelas, diman
mbu Y, seh ihatkan bah
an untuk me ah-apakah
nstruk atau konstruk m
05 : 47. Ha erikut.
.3 edastisitas
r plot
011
ahwa, titik- na titik-titik
hingga graf wa tidak ter
enguji apak indikator
variabel. maka maka
asil uji kuali -titik pada
k tersebut m fik tersebut
rjadi hetero
kah suatu ko yang
Jika masin a akan mem
itas data den grafik tid
menyebar ke tidak bisa
oskedastisita
onstruk mem digunakan
ngmasing in miliki nilai
ngan mengg dak bisa
e seluruh a dibaca
as.
mpunyai dapat
ndikator loading
gunakan
Universitas Sumatera Utara
Tabel 4.11 Hasil KMO
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,865
Bartletts Test of Sphericity Approx. Chi-Square
617,513 df
66 Sig.
,000 Sumber : Data Primer yang diolah,2011
Asumsi yang mendasari dapat tidaknya digunakan analisis faktor adalah data matrik harus memiliki korelasi yang cukup. Uji Bartlett of Sphericity merupakan uji
statistik untuk menentukan ada tidaknya korelasi antar variabel dan juga nilai Kaiser- Meyer-Olkin Measure of Sampling Adequacy KMO MSA. Nilai KMO yang
dikehendaki adalah 0,50. Hasil analisis statistik menunjukkan nilai KMO sebesar 0,865 dan sig. Bartlett of Sphericity sebesar 0,000, yang berarti uji analisis faktor bisa
dilanjutkan.
Universitas Sumatera Utara
Tabel 4.12
Rotated Component Matrix
a
Component 1
2 Pertanyaan1
,757 ,305
Pertanyaan2 ,779
,194 pertanyaan3
,657 ,320
Pertanyaan4 ,127
,796
Pertanyaan5 ,270
,620
Pertanyaan6 ,712
,116 Pertanyaan7
,662 ,270
Pertanyaan8 ,561
,528 Pertanyaan9
,465 ,549
Pertanyaan10 ,178
,736
Pertanyaan11 ,640
,378 Pertanyaan12
,728 ,165
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
Hasil rotated component matrix menunjukkan bahwa nilai factor loading terbesar dari masing-masing indikator menyebar secara merata dari component matrix 1
sampai 2, yaitu pada faktor 1 terdiri dari indikator Pengalaman melakukan audit, Memahami Industri Klien,
Responsif Atas Kebutuhan Klien, Sikap Hati-Hati, Komitmen yang Kuat,
Keterlibatan Pemimpin KAP, Standar Etika yang Tinggi, dan Tidak Mudah Percaya faktor 2 terdiri dari Taat Pada Standar Umum, Independensi,
Melakukan PekerjaanLapangan yang Tepat, dan Keterlibatan Komite Audit Dengan hasil ini maka semua indikator penelitian dinyatakan valid sebagai alat ukur
penelitian.
Universitas Sumatera Utara
4. Pengujian Hipotesis
Pengujian selanjutnya adalah pengujian hipotesis, yang bertujuan untuk mengetahui apakah suatu persamaan regresi yang dihasilkan baik untuk mengestimasi nilai variabel
dependen atau tidak Hasil uji hipotesis dapat dilihat hasilnya sebagai berikut.
a. Regresi Linear Sederhana
Tabel 4.13 Regresi Linear Sederhana
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.449
.736 3.327
.001 KualitasAudit
.229 .017
.790 13.776
.000 a. Dependent Variable: KepuasanKlien
Pada hasil uji regresi linear sederhana terlihat constanta sebesar 2.449 dan Kualitas Audit secara signifikan mempengaruhi Kepuasan Klien. Hal ini dapat
dilihat dari nilai signifikan dibawah 0.05 yaitu sebesar 0.001.
b. Koefisien Determinasi
