BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.2. Analisis Data
4.2.2.1 Uji Asumsi Klasik
Dalam penelitian ini digunakan uji asumsi klasik. Pengujian asumsi klasik yang bertujuan untuk menentukan ketepatan model. Uji asumsi klasik yang akan digunakan dalam penelitian ini yaitu :
4.2.2.1.1. Uji Normalitas
Uji Normalitas dilakukan untuk mengetahui apakah variabel terikat dan variabel bebas terdistribusi secara normal. Jika data instrument penelitian terdistribusi secara normal maka telah memenuhi model regresi yang baik.
Untuk menguji normalitas data penelitian ini menggunakan Normalitas Probability Plot yang membandingkan data distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari data distribusi normal. Grafik Normalitas Probability Plot yang terdistribusi normal
menunjukkan pola atau titik-titik menyebar disekitar garis diagonal atau mengikuti garis diagonal.
Gambar 4.1 Grafik Normal P-P Plot
Hasil uji normalitas juga dapat dilihat pada diagram histogram pada gambar 4.2 berikut ini :
Gambar 4.2 Histogram Normal P-P Plot
Grafik histogram pada gambar 4.2 di atas menunjukkan bahwa distribusi data memiliki kurva berbentuk lonceng dimana distribusi data tidak menceng ke kiri maupun menceng ke kanan. Hal ini menunjukkan bahwa data telah terdistribusi secara normal. Hal ini juga didukung dengan menggunakan normal p-p plot regression.
Hasil uji normalitas juga dapat dilihat pada tabel 4.3 berikut ini :
Tabel 4.3
Normal Parametersa,b Mean ,0000000
Std. Deviation 1,06532739
Most Extreme Differences Absolute ,087
Positive ,084
Negative -,087
Test Statistic ,087
Asymp. Sig. (2-tailed) ,200c,d
Sumber : data diolah (2018)
Berdasarkan tabel 4.3 dapat dilihat nilai sig 0,200 lebih besar daripada 0,05 sehingga nilai telah memenuhi nilai normalitas.
4.2.2.1.2 Uji Multikolinearitas
Suatu model regresi yang baik selain data terdistribusi secara normal juga tidak mengalami Multikolinearitas. Multikolinearitas merupakan korelasi antara satu variabel bebas dengan variabel bebas lainnya. Untuk mendeteksi ada tidaknya multikolinearitas didalam regresi dapat dilihat dari nilai tolerance dan nilai variance inflasing factor (VIF).
Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas bebas yang tidak dapat dijelaskan oleh variabel bebas lainnya. Model regresi yang bebas multikolinearitas adalah yang mempunyai VIF <10 dan nilai tolerance >0,1. Tabel berikut menyajikan hasil uji multikolinearitas.
Tabel 4.4
Ukuran perusahaan 0,587 1,702
1 Kompleksitas 0,846 1,182
Ukuran KAP 0,578 1,730
Opini audit 0,634 1,576
Sumber : data diolah (2018)
Berdasarkan tabel 4.4 dapat dilihat bahwa nilai VIF setiap variabel dibawah 10 dan nilai tolerance setiap variabel lebih besar dari 0,1 sehingga tidak terdapat hubungan atau korelasi antara satu variabel bebas dengan variabel lainnya. Dari tabel diatas dapat dinyatakan bahwa data penelitian tidak mengalami multikolinearitas sehingga model regresi yang ada layak dipakai dalam memprediksi audit fee.
4.2.2.1.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi berganda ada korelasi antara kesalahan penggangguan pada periode t dengan kesalahan penggangguan pada periode t-1 (sebelumnya), (Ghozali, 2009). Untuk menganalisis adanya autokorelasi dipakai uji Durbin-Watson (DW). Hasil uji autokorelasi dapat dilihat pada tabel dibawah ini :
Tabel 4.5 Uji Autokerelasi
Model Summaryb
Model Durbin-Watson
1 1,942
Sumber : data diolah (2018)
Berdasarkan tabel 4.5 dapat dilihat bahwa nilai Durbin-Watson (DW) dari hasil uji autokorelasi adalah 1,942 nilai ini akan dibandingkan dengan nilai tabel signifikansi 5%, jumlah data observasil (n) = 54 dan jumlah variabel independen (k=4) = 4.54 maka diperoleh nilai du 1,724.
Nilai Durbin-Watson (DW) 1,942 lebih besar dari batas atas (du) yakni 1,724 dan kurang dari (4-du) 4-1,724 = 2,276 Berdasarkan hasil DW statistik tersebut, maka model regresi yang diajukan tidak terdapat autokorelasi.
4.2.2.1.4 Uji Heteroskedastisits
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y, dan ZPRED pada sumbu X. (Ghozali, 2013).
Ghozali (2013) menyatakan dasar analisis adalah jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas
Perhatikan bahwa berdasarkan Gambar 4.3, tidak terdapat pola yang begitu jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
4.2.2.2 Analisis Regresi Linier Berganda
Penelitian ini dianalisis dengan model regresi linear berganda untuk melihat seberapa besar pengaruh ukuran perusahan, kompleksitas, ukuran KAP dan opini audit terhadap fee audit dengan model dasar sebagai berikut :
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + e Keterangan :
Y = Audit Fee
X1 = Ukuran Perusahaan X2 = Kompleksitas X3 = Ukuran KAP X4 = Opini Audit a = Konstanta
b1-b4, = Koefisien Regresi e = Variabel Penggangu
Tabel 4.6
Ukuran Perusahaan 0,939 0,105 0,863
1 Kompleksitas 0,294 0,522 0,045
Ukuran KAP 0,349 0,443 0,077
Opini Audit 0,378 0,455 0,077
Sumber : data diolah (2018)
Berdasarkan tabel 4.6 diperoleh persamaan regresi linier berganda sebagai berikut :
Y = -5,634 + 0,939 X1 + 0,294 X2 + 0,349 X3 + 0,378 X4 + e Keterangan :
a. Nilai konstanta sebesar -5,634 menunjukkan bahwa apabila variabel independen bernilai 0 maka audit fee sebesar -5,634.
b. X1 adalah variabel ukuran perusahaan yang memiliki nilai koefisien regresi sebesar 0,939. Hal ini mempunyai arti bahwa kenaikan 1% variabel ukuran perusahaan maka audit fee akan mengalami kenaikan sebesar 0,939 dengan asumsi variabel lain tetap.
c. X2 adalah variabel kompleksitas yang memiliki nilai koefisien regresi sebesar 0,294. Hal ini mempunyai arti bahwa kenaikan 1% variabel kompleksitas maka audit fee akan mengalami kenaikan sebesar 0,294 dengan asumsi variabel lain tetap.
d. X3 adalah variabel ukuran KAP yang memiliki nilai koefisien regresi sebesar
0,349. Hal ini mempunyai arti bahwa kenaikan 1% variabel ukuran
KAP maka audit fee akan mengalami kenaikan sebesar 0,349 dengan asumsi variabel lain tetap.
e. X4 adalah variabel opini audit yang memiliki nilai koefisien regresi sebesar 0,378. Hal ini mempunyai arti bahwa kenaikan 1% variabel opini audit maka audit fee akan mengalami kenaikan sebesar 0,378 dengan asumsi variabel lain tetap.
4.2.2.3 Pengujian Hipotesis
4.2.2.3.1 Koefisien Determinasi (R2)
Koefisien determinasi (R2) merupakan suatu nilai (nilai proporsi) yang mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan dalam persamaan regresi dalam menerangkan variasi variabel tak bebas. Berdasarkan hasil pengelolahan data, maka diperoleh hasil koefisien determinasi (R2) sebagai berikut :
Tabel 4.7 Koefisien Determinasi
Model Summaryb
Model R R Square Adjusted R Square
1 ,855a ,731 ,709
Sumber : data diolah (2018)
Berdasarkan tabel 4.7 nilai koefisien determinasi terletak pada kolom Adjusted R Squared. Diketahui nilai koefisien determinasi sebesar 0,709. Nilai tersebut berarti seluruh variabel bebas, yakni ukuran perusahan, kompleksitas, ukuran KAP dan opini audit mempengaruhi variabel audit fee sebesar 70,9 % dan sisanya sebesar 29,1% dipengaruhi oleh faktor-faktor lain .
4.2.2.3.2. Uji Simultan (Uji F)
Uji F ini digunakan untuk mengetahui ada tidaknya pengaruh secara bersama-sama (simultan) variabel independen (bebas) terhadap variabel dependen (terikat).
Kriteria pengujian yang digunakan adalah:
a) Jika Fhitung > F tabel (n-k-1) dan jika signifikansi < 0,05 maka secara statistik data yang digunakan membuktikan bahwa semua variabel independen berpengaruh terhadap nilai variabel (Y).
b) Jika Fhitung < F tabel (n-k-1) dan jika signifikansi > 0,05 maka secara statistik data yang digunakan membuktikan bahwa semua variabel independen tidak berpengaruh terhadap nilai variabel (Y).
Dengan menggunakan tingkat keyakinan 95% dan tingkat signifikan 0,05, df 1 = jumlah variabel – 1 = 4+1-1 = 4 dan df 2 (n-k-1) atau 54-4-1 = 49 maka diperoleh Ftabel sebesar 2,56.
Dari hasil penelitan didapatkan bahwa nilai F dan signifikansi secara simultan adalah sebagai berikut :
Tabel 4.8 Uji Simultan (Uji F)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 163,571 4 40,893 33,312 ,000b
Residual 60,151 49 1,228
Total 223,722 53
Sumber : data diolah (2018)
Berdasarkan tabel 4.8 nilai Fhitung > Ftabel (33,312 > 2,56) dengan tingkat signifikansi sebesar 0,00 < 0,05, maka artinya ukuran perusahan,
kompleksitas, ukuran KAP dan opini audit secara simultan berpengaruh signifikansi terhadap audit fee.
4.2.2.3.3. Uji Parsial (Uji t)
Uji t digunakan untuk mengetahui pengaruh masing-masing variabel independen yaitu ukuran perusahan, kompleksitas, ukuran KAP dan opini audit terhadap variabel dependen yaitu audit fee.
Uji t dilakukan dengan membandingkan antara Thitung dan Ttabel dengan tingkat signifikansi 5%. Kriteria pengujian yang digunakan adalah:
a) Jika Thitung > Ttabel (n-k-1) dan jika signifikansi < 0,05 maka variabel bebas berpengaruh secara signifikan terhadap variabel terikat.
b) Jika Thitung < Ttabel (n-k-1) dan jika signifikansi > 0,05 maka variabel bebas tidak berpengaruh secara signifikan terhadap variabel terikat.
Nilai Ttabel dengan df = n-k-1 = 54-4-1 =49 maka nilai Ttabel diperoleh sebesar 1,676. Dari hasil penelitian didapatkan bahwa koefisien regresi, nilai t dan signifikansi secara parsial sebagai berikut :
Tabel 4.9 Uji Parsial (Uji t)
Model t Sig
(Constant) -1,866 0,068
Ukuran Perusahaan 8.929 0,000
1 Kompleksitas 0,564 0,575
Ukuran KAP 0,788 0,434
Opini Audit 0,829 0,411
Sumber : data diolah (2018)
Berdasarkan hasil pengujian parsial (uji t) dari tabel 4.9 dapat disimpulkan sebagai berikut :
a) Variabel ukuran perusahaan memiliki thitung > ttabel dimana 8,929 >
1,676 dengan tingkat signifikansi 0,000 < 0,05 sehingga dapat dinyatakan bahwa ukuran perusahaan berpengaruh signifikan terhadap variabel audit fee.
b) Variabel kompleksitas memiliki thitung < ttabel dimana 0,564 < 1,676 dengan tingkat signifikansi 0,575 > 0,05 sehingga dapat dinyatakan bahwa kompleksitas tidak berpengaruh terhadap variabel audit fee.
c) Variabel ukuran KAP memiliki thitung < ttabel dimana 0,788 < 1,676 dengan tingkat signifikansi 0,434 > 0,05 sehingga dapat dinyatakan bahwa ukuran KAP tidak berpengaruh terhadap variabel audit fee.
d) Variabel opini audit memiliki thitung < ttabel dimana 0,829 < 1,676 dengan tingkat signifikansi 0,575 > 0,05 sehingga dapat dinyatakan bahwa opini audit tidak berpengaruh terhadap variabel audit fee.