3.5. Uji Asumsi Klasik
Pengujian hipotesis dilakukan dengan menggunakan analisis regresi linear berganda. Analisis regresi liner berganda merupakan teknik yang paling sering digunakan
dibandingkan dengan teknik yang lain, mengingat sebagian besar rumusan penelitian akuntansi dan keuangan berkenaan dengan dugaan adanya pengaruh beberapa variabel
bebas terhadap variabel terikat Supramono dan Utami 2005. Model persamaan regresi linear berganda pada penelitian ini dirumuskan sebagai berikut :
Y= a + b1 X1 + b2 X2 + ε
3.5.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang baik memiliki
distribusi data normal atau mendekati normal. Untuk mendeteksi apakah variabel residual berdistribusi normal atau tidak yaitu dengan analisis grafik. Sedangkan normalitas suatu
variabel umumnya dideteksi dengan uji statistik nonparametrik Kolmogorof - Smirnov K- S. Suatu variabel dikatakan terdistribusi normal jika nilai signifikansinya 0,05 Ghozali,
2012.
3.5.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2012. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi antara lain dapat
dilakukan dengan melihat 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah
nilai tolerance ≥ 0,10 atau sama dengan nilai VIF ≤ 10 Ghozali, 2012.
Universitas Sumatera Utara
3.5.3 Uji Heteroskedastisitas
Pengujian ini dilakukan untuk mendeteksi apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain.
Dalam model regresi, salah satu asumsi yang harus dipenuhi bahwa varians residual dari suatu pengamatan ke pengamatan yang lain tidak memiliki pola tertentu.
Pendeteksian ada atau tidaknya heteroskedastisitas dapat juga dilakukan dengan melihat ada atau tidaknya pola tertentu bergelombang, melebar kemudian menyempit pada
grafik plot scatterplot antara nilai prediksi variabel terkait ZPRED dengan residualnya SRESID.
3.5.4 Uji Autokorelasi
Asumsi ini disebut juga dengan asumsi non-autokorelasi non-autocorrelation. Untuk menguji asumsi independensi dari error, dapat digunakan uji Durbin-Watson. Nilai
statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Field 2009 menyatakan sebagai berikut “Nilai statistik dari uji Durbin-Watson berkisar dari 0 sampai 4. Nilai statistik dari
uji Durbin- Watson yang bernilai 2 berarti residual tidak berkorelasi”.
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field 20
09 menyatakan “Nilai dari statistik uji Durbin- Watson bergantung pada jumlah variabel bebas dan banyaknya pengamatan dalam sampel.
Nilai kritis Durbin-Watson dapat dilihat dalam tabel distribusi Durbin-Watson atau dengan menggunakan patokan nilai rule of thumb. Nilai statistik Durbin-Watson yang lebih kecil
dari 1 atau lebih besar dari 3 perlu mendapat perhatian bahwa terindikasi terjadi autokorelasi.”
3.6. Pengujian Hipotesis
Kategori