BAB V ANALISIS DATA DAN PEMBAHASAN
B. Analisis Data
Penelitian ini menggunakan populasi dan sampel dari 110 perusahaan perusahaan jasa non sektor keuangan dengan tahun buku laporan keuangan tahun 2016-2018. Variabel independen dalam penelitian ini adalah rotasi auditor, reputasi KAP, dan spesialisasi industri auditor. Variabel dependen dalam penelitian ini adalah kualitas audit. Teknik analisis data dalam penelitian ini adalah prediktif kuantitatif. Penelitian ini menggunakan pengujian regresi linear berganda.
1. Statistik Deskriptif
Statistik deskriptif dilakukan untuk melihat gambaran keseluruhan sampel yang telah memenuhi kriteria dalam pengambilan sampel. Gambaran keseluruhan sampel ini dilihat dari nilai minimum, nilai maksimum, mean (nilai rata-rata), dan standar deviasi.
Tabel 7. Hasil Statistik Deskriptif N Minimum Maximu m Mean Std. Deviation Rotasi Auditor 330 0 1 0,76 0,425 Reputasi KAP 330 0 1 0,28 0,449 Spesialisa si Industri Auditor 330 0 1 0,48 0,500 Kualitas Audit 330 -0,2253 0,3140 0,7073 0,1047 Valid N (listwise) 330
Sumber: Data diolah (2020)
Tabel 7 menunjukkan hasil statistik deskriptif untuk variabel rotasi auditor, reputasi KAP, spesialisasi industi auditor, dan kualitas audit. Jumlah N dalam tabel hasil statistik deskriptif ini berasal dari hasil perkalian 110 perusahaan dengan tiga tahun buku laporan keuangan (dari tahun 2016-2018) yang menghasilkan data sebanyak 330 sampel. Hasil statistik deskriptif dijelaskan sebagai berikut:
a. Variabel rotasi auditor atau pergantian auditor memiliki nilai minimum 0 yang berarti perusahaan menggunakan auditor yang sama dalam kurun waktu tiga tahun dan nilai maksimum 1 yang berarti perusahaan melakukan pergantian auditor dalam kurun waktu tiga tahun. Variabel rotasi auditor memiliki nilai rata-rata sebesar 0,76 yang artinya 76% perusahaan jasa non sektor keuangan dalam penelitian ini melakukan pergantian auditor dalam kurun waktu tiga
tahun dan sebesar 24% perusahaan menggunakan auditor yang sama dalam kurun waktu tiga tahun. Hal ini juga ditunjukkan dengan jumlah sampel yang menggunakan auditor yang sama dalam kurun waktu tiga tahun sebanyak 78 sampel dan 252 sampel melakukan pergantian auditor selama kurun waktu tiga tahun. Hal ini menunjukkan bahwa lebih dari setengah perusahaan jasa non sektor keuangan melakukan pergantian auditor dalam kurun waktu tiga tahun. Variabel rotasi auditor memiliki standar deviasi sebesar 0,425.
b. Variabel reputasi KAP memiliki nilai minimum 0 yang berarti perusahaan tidak berafiliasi dengan KAP Big Four dan nilai maksimum 1 yang berarti perusahaan berafiliasi dengan KAP Big
Four. Variabel reputasi KAP memiliki nilai rata-rata sebesar 0,28
yang berarti sebanyak 28% perusahaan diaudit oleh KAP yang berafiliasi dengan KAP Big Four dan sebanyak 72% perusahaan diaudit oleh KAP yang tidak berafiliasi dengan KAP Big Four. Hal ini juga dapat dilihat dari jumlah sampel yang diaudit oleh KAP yang berafiliasi dengan KAP Big Four sebanyak 92 sampel dan 238 sampel diaudit oleh KAP yang tidak berafiliasi dengan KAP Big Four, yang artinya tidak sampai setengah dari jumlah perusahaan jasa non sektor keuangan yang diteliti diaudit oleh KAP yang berafiliasi dengan KAP
Big Four. Variabel reputasi KAP memiliki standar deviasi sebesar
c. Variabel spesialisasi industri auditor memiliki nilai minimum 0 yang berarti perusahaan menggunakan auditor non spesialis (tidak memenuhi 15% market share) dan nilai maksimum 1 yang berarti perusahaan menggunakan auditor spesialis (memenuhi 15% market share). Variabel spesialisasi industri auditor untuk nilai rata-rata sebesar 0,48 yang artinya 48% perusahaan menggunakan jasa audit dari auditor spesialis dalam suatu industri dan 52% perusahaan menggunakan jasa audit dari auditor non spesialis. Hal ini juga dapat dilihat dari jumlah sampel yang menggunakan auditor spesialis sebesar 157 sampel dan 173 sampel menggunakan auditor non spesialis. Hal ini menunjukkan bahwa hampir setengah perusahaan jasa non sektor keuangan dalam penelitian ini yang menggunakan auditor spesialis. Variabel spesialisasi industri auditor memiliki standar deviasi sebesar 0,500.
d. Variabel kualitas audit diproksikan dengan kualitas laba dengan menggunakan perhitungan discretionary accrual , dimana kualitas audit memiliki nilai minimum sebesar -0,225532823, nilai maksimum 0,3140995541. Hal ini berarti nilai kualitas audit yang paling rendah
dengan menggunakan perhitungan discretionary accrual adalah -0,225532823, dimana angka ini didapat pada PT. Tigaraksa Satria
Tbk untuk laporan keuangan tahun 2018, nilai discretionary accrual yang negatif ini menandakan bahwa laba bersih lebih kecil daripada arus kas operasi. Nilai kualitas audit yang paling tinggi dengan
menggunakan perhitungan discretionary accrual adalah 0,3140995541 dan angka ini ditemukan pada PT Lippo Cikarang Tbk untuk laporan keuangan tahun 2017. Nilai rata-rata kualitas audit yang dimiliki perusahaan jasa non sektor keuangan adalah sebesar 0,0707343821 dan standar deviasi sebesar 0,1047551736. Menurut Khaiyat (2017), DA>0 berarti perusahaan kemungkinan melakukan manajemen laba dengan cara menaikkan laba, sedangkan nilai
discretionary accrual yang mendekati 0 (nol) adalah nilai discretionary accrual yang baik, karena tidak menaikkan atau
menurunkan angka laba. Berdasarkan data, PT City Retail Development Tbk (NIRO) untuk laporan keuangan tahun 2018 memiliki nilai discretionary accrual paling mendekati 0 (nol) yaitu dengan nilai 0,0015. Hasil uji statistik deskriptif menunjukkan nilai rata-rata 0,0707343821 yang berarti rata-rata perusahaan jasa non sektor keuangan melakukan manajemen laba dengan cara menaikkan laba karena nilai ini lebih dari 0 (nol) dan menjauhi 0 (nol).
2. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui data yang digunakan dalam penelitian ini sudah berdistribusi normal atau tidak. Data yang menunjukkan distribusi normal berarti memiliki data yang baik. Data yang berdistribusi normal adalah data yang menunjukkan nilai signifikansi (Sig.) lebih besar daripada 0,05 (Sig.>0,05). Uji
normalitas pada penelitian ini menggunakan uji Kolmogorov-Smirnov
Test.
Tabel 8. Hasil Uji Normalitas Kolmogorov-Smirnov Test Unstandardized
Residual
N 330
Test Statistic 0,31
Asymp. Sig. (2-tailed) 0,200
Sumber: Data diolah (2020)
Tabel 8 menunjukkan hasil uji normalitas Kolmogorov-Smirnov menghasilkan nilai signifikansi 0,200. Hal ini menunjukkan bahwa data berdistribusi normal karena nilai signifikansi lebih besar dari 0,05 (0,200 > 0,05).
3. Uji Asumsi Klasik a. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji ada atau tidaknya korelasi antar variabel independen. Model regresi yang baik adalah model regresi yang tidak mengalami gejala multikolinearitas. Model regresi yang bebas dari gejala multikolinearitas adalah memiliki nilai tolerance lebih besar dari 0,10 (tolerance > 0,10) dan nilai VIF kurang dari 10 (VIF < 10).
Tabel 9. Hasil Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF (Constant) Rotasi Auditor 0,990 1,011 Reputasi KAP 0,939 1,065 Spesialisasi Industri Auditor 0,940 1,064
Tabel 9 menunjukkan hasil uji multikolinearitas, dimana variabel rotasi auditor, reputasi KAP, spesialisasi industri auditor memiliki nilai tolerance > 0,10 dan nilai VIF < 10. Hal ini menunjukkan bahwa tidak terjadi multikolinearitas antar variabel independen pada penelitian ini.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui didalam model regresi terjadi atau tidak ketidaksamaan variasi dan nilai residual antar pengamatan. Model regresi yang baik adalah model regresi yang tidak mengalami gejala heteroskedastisitas. Model regresi yang tidak mengalami gejala heteroskedastisitas adalah model regresi yang memiliki nilai signifikansi (Sig.) lebih besar dari 0,05 (Sig. > 0,05). Uji heteroskedastisitas dalam penelitian ini menggunakan uji
Glejser.
Tabel 10. Hasil Uji Heteroskedastisitas Glejser
Model Unstandardized Coefficients Standard ized Coefficie nts t Sig B Std. Error Beta (Constant) 0,077 0,008 9,848 0,000 Rotasi Auditor -0,001 0,008 -0,005 -0,083 0,934 Reputasi KAP 0,009 0,008 0,068 1,201 0,231 Spesialisasi Industri Auditor 0,006 0,007 0,051 0,902 0,368
Tabel 10 menujukkan hasil uji heteroskedastisitas Glejser, dimana nilai signifikansi (Sig.) untuk variabel rotasi auditor, reputasi KAP, dan spesialisasi industri auditor lebih besar dari 0,05 (Sig. >0,05). Hal ini menunjukkan bahwa model regresi dalam penelitian ini tidak memiliki gejala heteroskedastisitas.
c. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji model regresi memiliki korelasi antara kesalahan pengganggu pada periode t (tahun saat ini) dengan kesalahan pengganggu pada periode t-1 (tahun sebelumnya). Model regresi yang baik adalah model regresi yang tidak memiliki gejala autokorelasi. Model regresi yang tidak memiliki gejala autokorelasi adalah memiliki nilai d (Durbin Watson) terletak diantara dU dan (4-dU). Uji autokorelasi pada penelitian ini menggunakan uji Durbin Watson.
Tabel 11. Hasil Uji Autokorelasi Durbin Watson Model Durbin-Watson
1 2,097
Sumber: Data diolah (2020)
Tabel 11 menunjukkan bahwa hasil uji autokorelasi durbin watson, nilai d (Durbin Watson) adalah 2,097. Nilai ini kemudian dibandingkan dengan nilai tabel durbin watson pada signifikansi 5% dengan rumus (k;N). Penelitian ini memiliki tiga variabel independen, sehingga nilai “k” adalah 3, sedangkan untuk nilai “N” adalah 330 yang didapat dari jumlah sampel yang digunakan dalam penelitian ini.
Berdasarkan tabel Durbin Watson dengan (k;N) adalah (3;330), maka didapat nilai dL adalah 1,80724 dan dU adalah 1,83162.
Berdasarkan tabel Durbin Watson dengan (k;N) adalah (3;330), maka didapat nilai dL adalah 1,80724 dan dU adalah 1,83162. Berdasarkan hasil membandingkan antara nilai d (Durbin Watson) dengan nilai tabel durbin watson, yaitu nilai d (Durbin Watson) terletak diantara dU dan 4-dU (1,83162<2,097<2,16838), maka model regresi ini tidak memiliki gejala autokorelasi.
4. Analisis Regresi Linear Berganda
Penelitian ini menggunakan regresi linear berganda untuk menganalisis data. Analisis ini menggunakan regresi linear berganda dikarenakan terdapat satu variabel dependen dan dua atau lebih dari dua variabel independen.
Tabel 12. Hasil Coefficients Regresi Linear Berganda Model Unstandardized Coefficients B Std. Error (Constant) 0,083 0,013 Rotasi Auditor -0,013 0,013 Reputasi KAP -0,042 0,013 Spesialisasi Industri Auditor 0,019 0,012
Sumber: Data diolah (2020)
Tabel 12 menunjukkan hasil persamaan regresi linear berganda sebagai berikut:
Y = 0,083 – 0,013 rotasi auditor – 0,042 reputasi KAP + 0,019 spesialisasi industri auditor
5. Uji Hipotesis
a. Uji Koefisien Determinasi
Uji koefisien determinasi digunakan untuk memprediksi dan mengetahui seberapa besar kontribusi pengaruh yang diberikan variabel independen secara bersama-sama terhadap variabel dependen. Koefisien determinasi disimbolkan dengan “R2”. Kemampuan variabel independen dalam menjelaskan variasi variabel dependen yang baik adalah jika adjusted R2 semakin mendekati 1 (Raharjo,2016).
Tabel 13. Nilai Koefisien Determinasi (R2)
Model R R square Adjusted R Square
1 0,184 0,034 0,025
Sumber: Data diolah (2020)
Tabel 13 menunjukkan nilai R square atau koefisien determinasi adalah 0,034 (berasal dari 0,184 x 0,184). Penelitian ini menggunakan variabel independen lebih dari dua sehingga lebih baik menggunakan Adjusted R square. Nilai Adjusted R square adalah 0,025, hal ini berarti 2,5% variasi dari kualitas audit bisa dijelaskan oleh variasi dari ketiga variabel independen yaitu rotasi audit, reputasi KAP, dan spesialisasi industri auditor, sedangkan sisanya yaitu 97,5% (100%-2,5%) dijelaskan oleh sebab-sebab yang lain.
b. Uji F
Uji F bertujuan untuk menguji pengaruh variabel independen secara simultan (bersama-sama atau gabungan) terhadap variabel dependen. Uji F dilakukan dengan membandingkan nilai F hitung dengan nilai F tabel dan membandingkan nilai signifikansi (Sig.) hasil output ANOVA. Nilai F hitung > F tabel dan Sig. < 0,05 maka hipotesis diterima, sedangkan nilai F hitung < F tabel dan Sig. > 0,05 maka hipotesis ditolak.
Tabel 14. Hasil Uji Statistik F
Model F Sig.
Regression Residual
3,823 0,01
Sumber: Data diolah (2020)
Tabel 14 menunjukkan nilai F hitung adalah 3,823 dengan nilai signifikansi adalah 0,01. Nilai F tabel didapat dari melihat distribusi nilai R tabel statistik pada tingkat signifikansi 5% atau 0,05 dengan menggunakan rumus F tabel yaitu (k ; n-k), dimana “k” adalah jumlah variabel independen yang dalam penelitian ini adalah tiga dan “n” adalah jumlah sampel yaitu 330, sehingga nilai F tabel (3 ; 330-3=327) adalah 2,632. Berdasarkan hasil membandingkan ini maka nilai F hitung > F tabel (3,823 > 2,632) dan Sig. < 0,05 (0,01 < 0,05), hal ini berarti hipotesis diterima yang artinya variabel independen yaitu rotasi auditor, reputasi KAP, dan spesialisasi industri auditor secara bersama-sama berpengaruh terhadap kualitas audit.
c. Uji t
Uji t digunakan untuk menguji pengaruh variabel independen dalam yaitu rotasi auditor, reputasi KAP, dan spesialisasi industri auditor secara partial (terpisah) terhadap variabel dependen yaitu kualitas audit. Uji t dilakukan dengan melihat nilai signifikansi (Sig.) dan membandingkan nilai t hitung dengan t tabel. Nilai t hitung > t tabel atau –t hitung < -t tabel dan Sig. < probabilitas 0,05 maka hipotesis diterima, sedangkan nilai t hitung < t tabel atau –t hitung > -t tabel dan Sig. > probabilitas 0,05 maka hipotesis ditolak.
Tabel 15. Hasil Uji Statistik t
Model Unstandardized Coefficients Standard ized Coefficie nts t Sig B Std. Error Beta (Constant) 0,083 0,013 6,364 0,000 Rotasi Auditor -0,013 0,013 -0,052 -0,955 0,340 Reputasi KAP -0,042 0,013 -0,180 -3,203 0,001 Spesialisasi Industri Auditor 0,019 0,013 0,092 1,632 0,104
Sumber: Data diolah (2020)
Tabel 15 menunjukkan hasil uji t, hasil ini dilihat dari nilai t dan nilai Sig. Nilai t hitung pada tabel 15 dibandingkan dengan nilai t tabel statistik pada signifikansi 0,05 dengan df = n-k-1 = 330 – 3-1 = 326, maka nilai t tabel adalah 1,647.
Berdasarkan tabel 15 maka dapat diambil keputusan terhadap hipotesis sebagai berikut:
1) Pengaruh Rotasi Auditor terhadap Kualitas Audit
Hasil uji t menghasilkan nilai t hitung sebesar -0,955, sehingga -t hitung > -t tabel (-0,955 > -1,647) dan nilai Sig. Sebesar 0,340, sehingga nilai signifikansi (Sig.) > 0,05. Hal ini berarti H1 ditolak dan H0 diterima, yang artinya rotasi auditor tidak berpengaruh terhadap kualitas audit.
2) Pengaruh Reputasi KAP terhadap kualitas audit
Hasil uji t menghasilkan nilai t hitung sebesar -3,203, sehingga -t hitung < -t tabel (-3,203 < -1,647) dan nilai Sig. sebesar 0,001, sehingga nilai signifikansi (Sig.) < 0,05. Hal ini berarti H2 diterima dan H0 ditolak, yang artinya reputasi KAP berpengaruh terhadap kualitas audit.
3) Pengaruh Spesialisasi Industri Auditor terhadap kualitas audit. Hasil uji t menghasilkan nilai t hitung sebesar 1,632, sehingga t hitung < t tabel (1,632 < 1,647) dan nilai Sig. sebesar 0,104, sehingga nilai signifikansi (Sig.) > 0,05. Hal ini berarti H3 ditolak dan H0 diterima, yang artinya spesialisasi industri auditor tidak berpengaruh terhadap kualitas audit.