Pengujian Asumsi Klasik Analisis Data

5.2.2. Pengujian Asumsi Klasik

Dalam analisis ini perlu dilihat terlebih dahulu apakah data tersebut dapat bias bila dilakukan pengujian model regresi. Pengujian asumsi klasik dilakukan untuk menentukan model regresi yang dapat diterima secara ekonometrik. Asumsi klasik ini terdiri dari pengujian normalitas, pengujian heterokedastisitas dan pengujian multikolinearitas. 5.2.2.1 Pengujian normalitas data Pengujian normalitas dilakukan dengan menggunakan pengujian Kolmogorof Smirnov. Pengujian dengan metode ini menyatakan jika nilai Kolmogorv Smirnov memiliki probabilitas lebih besar dari 0,05 Santoso, 2001, maka variabel penelitian tersebut dinyatakan berdistribusi normal, Berdasarkan hasil uji normalitas data dengan menggunakan uji Kolmogorov-Smirnov dan dengan melihat uji grafik, maka dapat disimpulkan bahwa data mempunyai distribusi normal, hal ini dapat diketahui dengan melihat nilai Kolmogorov Smirnov sebesar 0,826 dengan tingkat signifikansi sebesar 0,503. Jika signifikansi nilai Kolmogorov Smirnov lebih besar dari 0,05, maka dapat dinyatakan bahwa data mempunyai distribusi normal. Hal ini juga didukung dengan grafik di mana data mengikuti garis diagonal. Grafik uji normalitas dapat dilihat pada gambar berikut ini. pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Ex pe ct ed C um P ro b 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: KPENGDANA Gambar 5.5. Pengujian Normalitas Data Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Hasil yang diperoleh di atas menunjukkan masing-masing variabel penelitian memiliki nilai yang membentuk asumsi distribusi normal. Data yang berdistribusi normal dapat digunakan untuk penarikan kesimpulan karena data sudah menyebar dengan karakteristik menyerupai populasi yang diwakili. 5.2.2.2 Pengujian heterokedastisitas Gejala heterokedastisitas timbul karena adanya ketidak-konstanan variasi error sehingga hasil regresi menjadi diragukan karena taksiran atau estimasi yang digunakan menjadi tidak efisien. Pengujian ini dilakukan terhadap hasil regresi untuk mengetahui pola persebaran error. Pengujian heterokedastisitas dapat dilakukan dengan membentuk diagram plot untuk melihat pola persebaran data. Apabila pola pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara persebaran data tidak membentuk pola tertentu maka dapat dikatakan data tersebut terbebas dari heterokedastisitas. Berdasarkan hasil pengujian yang ditunjukkan Gambar 5.6 yang diadaptasi dari output, dapat disimpulkan bahwa data di dalam penelitian ini terbebas dari gejala heterokedastisitas karena diagram plot yang terlihat pada pengujian tersebut tidak menunjukkan suatu pola tertentu namun bersifat acak. Kelompok data yang terindikasi memiliki sifat heterokedastisitas akan membentuk pola tertentu seperti berpusat di titik tertentu atau membentuk suatu pola yang memiliki ciri khas tertentu, di mana dalam pengujian model penelitian ini tidak ditermukan hal tersebut, artinya variasi error tidak terlampau besar sehingga hasil regresi cukup dapat diandalkan Triton, 2006. Titik-titik tertentu tersebut menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas maupun di bawah angka 0 pada sumbu Y. Regression Standardized Predicted Value 3 2 1 -1 -2 -3 Re gr es si on S tu de nt iz ed R es id ua l 2 -2 -4 Scatterplot Dependent Variable: KPENGDANA Gambar 5.6. Pengujian Heterokedastisitas pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara 5.2.2.3. Pengujian multikolinearitas Multikolinearitas dapat timbul jika variabel bebas saling berkorelasi satu sama lain, sehingga multikolinearitas hanya dapat terjadi pada regresi berganda. Hal ini mengakibatkan perubahan tanda koefisien regresi serta mengakibatkan fluktuasi yang besar pada hasil regresi. Perubahan tanda koefisien regresi ini dapat mengakibatkan kesalahan menafsirkan hubungan antara variabel sehingga keberadaan multikolinearitas ini harus diuji Levin dan Rubin, 1998 supaya data dapat dijamin bahwa variabel independen di dalam penelitian ini tidak saling berkolerasi. Alat ukur yang sering digunakan untuk mengukur ada tidaknya variabel yang berkorelasi menggunakan alat uji atau deteksi Variance Inflation Factor VIF. Di mana nilai VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1. Tabel 5.10. Pengujian Multikolinearitas Collinearity Statistics Variabel Tolerance Variance Inflation Factor Partisipasi Penyusunan Anggaran VI .485 2.060 Penggunaan Instrumen Manajemen VI .345 2.902 Kualitas Manajerial VK .629 1.591 Sumber Daya VK .464 2.155 Budaya Organisasi VK .761 1.314 Sumber: Hasil Penelitian Tahun 2010 data diolah Pada Tabel 5.10 terlihat bahwa dari variabel independen tersebut nilai VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1. Sehingga dapat disimpulkan dalam model regresi ini tidak ada masalah multikolinearitas. pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara

5.3 Hasil Analisis Data