HASIL ANALISIS DAN PEMBAHASAN 5.1 Gambaran Umum Responden
5.2 Deskripsi Variabel Penelitian
Semua kuesioner yang sudah terkumpul ditabulasi untuk tujuan analisis data. Data yang ditabulasi adalah semua tanggapan atau jawaban responden atas setiap pernyataan yang ada dalam kuesioner. Pernyataan-pernyataan berkaitan dengan variabel kualitas audit, kompetensi, pengalaman kerja, latar belakang
38
pendidikan dan motivasi aparat inspektorat daerah. Data hasil tabulasi diolah dengan menggunakan program SPSS versi 20 yang menghasilkan deskripsi statistik variabel penelitian seperti yang tampak pada tabel 5.2.
Tabel 5.2.
STATISTIK DESKRIPTIF
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
K.AUDIT 34 3,00 5,00 4,0094 ,40764
KOMPETENSI 34 3,17 5,00 4,2738 ,39915
P.KERJA 34 3,00 5,00 4,2594 ,46754
L.B.PENDIDIKAN 34 3,00 5,00 4,0147 ,60909
MOTIVASI 34 3,38 5,00 4,2191 ,35659
Valid N (listwise) 34
Sumber : Data primer diolah, 2016
Berdasarkan Tabel 5.2 deskriptif statistik menunjukkan bahwa seluruh variabel penelitian ini memiliki nilai standar deviasi yang lebih kecil dibandingkan nilai rata-ratanya hal ini mengindikasikan penyimpangan yang dapat terjadi sangat kecil sehingga dapat disimpulkan bahwa data terdistribusi dengan normal.
Variabel kualitas audit diketahui bahwa skor rata-rata terendah dari jawaban responden adalah 3,00 dan skor tertinggi dari jawaban responden adalah 5,00, sehingga rata-rata (mean) total jumlah skor jawaban kualitas audit adalah 4.0094, hal ini menunjukkan bahwa strategi kualitas audit sudah baik.
Pada Tabel di atas diketahui bahwa skor rata-rata terendah dari jawaban responden untuk variabel kompetensi adalah 3,17 dan skor tertinggi dari jawaban responden adalah 5,00, sehingga rata-rata (mean) jumlah skor jawaban etika auditor adalah 4,2738, hal ini menunjukkan bahwa rata-rata responden cukup memahami dan mengerti mengenai variabel kompetensi di SKPD Inspektorat labuhanbatu.
Skor rata-rata terendah dari jawaban responden untuk variabel pengalaman kerja adalah 3,00 dan skor tertinggi dari jawaban responden adalah 5,00, sehingga rata-rata (mean) total jumlah skor jawaban pengalaman kerja adalah 4,2594, hal ini menunjukkan bahwa rata-rata responden memahami variabel independensi di SKPD Inspektorat labuhanbatu.
Pada Tabel di atas diketahui juga bahwa skor rata-rata terendah dari jawaban responden untuk variabel latar belakang pendidikan adalah 3,00 dan skor tertinggi dari jawaban responden adalah 5,00, sehingga rata-rata (mean) total jumlah skor jawaban variabel komptensi adalah 4,0147, hal ini menunjukkan bahwa rata-rata responden memahami dan mengerti variabel latar belakang pendidikan.
Variabel motivasi diketahui memiliki skor rata-rata terendah 3,38 dan skor tertinggi dari jawaban responden 5,00, sehingga rata-rata (mean) total jumlah skor jawaban motivasi adalah 4,2191, hal ini menunjukkan bahwa rata-rata responden telah memahami dan mengerti variabel motivasi di SKPD Inspektorat labuhanbatu.
5.3 Uji Kualitas Data
Sebelum dilakukan pengujian data baik untuk deskripsi data penelitian maupun untuk pengujian asumsi klasik dan pengujian hipotesis maka perlu dilakukan uji validitas dan reliabilitas data karena jenis data penelitian adalah data primer.
5.3.1 Uji Validitas
Data penelitian yang telah terkumpul kemudian diolah untuk menguji kualitas data berupa uji validitas dan reliabilitas. Dari hasil uji validitas yang dilakukan dengan bantuan program SPSS versi 20,0 menunjukkan bahwa koefisien korelasi pearson correlation untuk setiap item butir pernyataan dengan skor total
40
variabel kualitas audit (Y), kompetensi (X1), pengalaman kerja (X2), latar belakang pendidikan (X3) dan motivasi (Z) signifikan pada tingkat signifikansi 0,05. Dengan demikian dapat diinterpretasikan bahwa setiap item indikator instrumen untuk kualitas audit tersebut valid. Secara ringkas hasil uji validitas variabel dapat dilihat pada tabel 5.3 berikut ini.
Tabel 5.3
HASIL UJI VALIDITAS INSTRUMEN N
O
Kualitas
Audit Kompetensi Pengalaman Kerja
Secara lebih tepat, nilai rhitung dibandingkan dengan rtabel dimana jika rhitung >
rtabel maka data adalah valid. Jumlah responden 34 pada tingkat signifikansi 5 % r tabel adalah 0,339. Secara keseluruhan nilai r Hitung > r tabel. Dengan demikian keseluruhan data adalah valid.
5.3.2 Uji Reliabilitas
Pengujian reliabilitas dalam penelitian ini menggunakan uji One Shot, artinya satu kali pengukuran saja dan kemudian hasilnya dibandingkan dengan pernyataan lainnya atau dengan kata lain mengukur korelasi antar jawaban pernyataan. Hasil perhitungan uji reliabilitas menunjukkan bahwa nilai Cronbach Alpha (α) untuk masing-masing variabel adalah lebih besar dari 0,60, dengan demikian dapat disimpulkan bahwa item-item instrumen untuk masing-masing variabel adalah reliabel (Nunnally dalam Ghozali, 2006). Hasil uji reliabilitas
secara rinci ditampilkan dalam tabel 5.4 berikut ini.
Tabel 5.4.
HASIL UJI RELIABILITAS
Variabel Cronbach's Alpha N of Items
Based on Standardized Items
Kualitas Audit 0,751 8
Kompetensi 0,716 6
Pengalaman Kerja 0,846 8
Latar Belakang Pendidikan 0,752 4
Motivasi 0,772 8
Sumber : Data primer diolah, 2016 5.4 Uji Asumsi Klasik
Pada analisis ini perlu dilihat terlebih dahulu apakah data tersebut bisa dilakukan pengujian model regresi. Pengujian asumsi klasik dilakukan untuk menentukan model regresi dapat diterima secara ekonometrik. Pengujian asumsi klasik terdiri dari pengujian normalitas, pengujian multikolinieritas dan pengujian heteroskedastisitas.
5.4.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan independen keduanya mempunyai distribusi normal atau tidak. Uji normalitas data dalam penelitian ini menggunakan dua cara yaitu analisis grafik dan uji statistik.
1. Analisis Grafik
Untuk lebih memperjelas tentang sebaran data dalam penelitian ini maka akan disajikan dalam grafik normal P-plot. Dimana dasar pengambilan keputusan menurut Ghozali (2006) yaitu :
a. Jika sumbu menyebar sekitar garis diagonal atau grafik histogramnya menunjukkan
42
pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Gambar 5.1 Grafik Histogram Sumber : Data primer diolah, 2016
Gambar 5.2
Grafik normal P-Plot Sumber : Data primer diolah, 2016
Dengan melihat tampilan grafik histogram maupun grafik normal P-Plot diatas dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang mendekati normal. Sedangkan pada grafik normal P-Plot terlihat titik-titik menyebar disekitar garis diagonal, serta arah penyebarannya mengikuti arah garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi layak dipakai karena memenuhi asumsi normalitas.
44
2. Analisis statistik.
Pada penelitian ini uji normalitas dilakukan juga dengan analisis statistik dengan uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Jika nilai probabilitas asymp.sig (2-tailed) pada uji Kolmogorov Smirnov lebih besar dari 0,05 maka dapat dinyatakan bahwa data berdistribusi normal, sebaliknya jika probabilitas asymp.sig (2-tailed) lebih kecil dari 0,05 maka dapat disimpulkan bahwa data berdistribusi tidak normal (Ghozali, 2013).
Tabel 5.5
HASIL UJI NORMALITAS
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 34
Normal Parametersa,b Mean 0E-7
Std. Deviation ,24278808
Most Extreme Differences
Absolute ,149
Positive ,149
Negative -,109
Kolmogorov-Smirnov Z ,870
Asymp. Sig. (2-tailed) ,436
Sumber : Data primer diolah, 2016
Hasil uji normalitas pada Tabel 5.5 didapatkan nilai KS sebesar 0,870. Nilai ini tidak signifikan pada 0,05 (karena nilai P = 0,436 lebih besar dari 0,05). Hal tersebut memberikan gambaran bahwa sebaran data tidak menunjukkan penyimpangan dari kurva normalnya, yang berarti bahwa sebaran data telah memenuhi asumsi normalitas.
5.4.2 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam suatu model regresi ditemukan adanya korelasi antar variabel independen penelitian. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen.
Ada tidaknya korelasi antar variabel tersebut dapat dideteksi dengan melihat nilai tolerance dan Variance Inflation Factor (VIF). Apabila nilai tolerance > 0,1 dan VIF < 10, maka dinyatakan tidak ada korelasi sempurna antar variabel independen dan sebaliknya (Ghozali, 2006). Hasil uji multikolinieritas dapat dilihat pada tabel 5.6 berikut :
Tabel 5.6
HASIL UJI MULIKOLINEARITAS Variabel Independen Collinearity Statistics Keputusan
Tolerance VIF
KOMPETENSI 0,914 1,095 Tidak ada multikolinearitas
P. KERJA 0,886 1,128 Tidak ada multikolinearitas
L.B. PENDIDIKAN 0,931 1,074 Tidak ada multikolinearitas
Sumber : Data primer diolah, 2016
Berdasarkan Tabel 5.6 dapat dilihat bahwa angka tolerance dari variabel independen kompetensi, pengalaman kerja dan latar belakang pendidikan mempunyai nilai tolerance lebih dari 0,10 yang berarti bahwa tidak ada korelasi antar variabel indpenden yang nilainya lebih dari 95%. Sementara itu, hasil perhitungan nilai Variance Inflantion Factor (VIF) juga menunjukkan hal yang sama. Tidak ada satupun variabel independen yang memiliki nilai VIF lebih dari 10. Dengan demikian dapat disimpulkan dalam model regresi tidak terjadi multikolinieritas antar variabel independen tersebut.
5.4.3 Uji Heteroskedastisitas
Pengujian heteroskedastisitas dimaksudkan untuk mengetahui kesamaan varian masing-masing variabel independen X1, X2, dan X3 terhadap variabel
46
terikat (Y). Pengujian homogenitas terhadap variabel penelitian digunakan uji heterokedastisitas. Deteksi terhadap masalah heteroskedastisitas dilakukan dengan melihat grafik sebaran nilai residual. Uji heteroskedastisitas menggunakan metode grafik plot. Hasil pengujian dapat dilihat pada gambar 5.3 berikut ini :
Gambar 5.3
GRAFIK SCATTERPLOT Sumber : Data primer diolah, 2016
Berdasarkan grafik scatterplot di atas tampak bahwa sebaran data tidak membentuk pola yang jelas, titik-titik data menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan bahwa tidak terjadi heteroskedastisitas dalam model regresi.
Hasil ini dipertegas dengan uji statistik berupa uji Glesjer. Hasil uji yang ditampilkan pada tabel 5.7 menunjukkan bahwa probabilitas signifikansi semua variabel independen di atas tingkat kepercayaan 0,05. Dengan demikian dapat disimpulkan bahwa model regresi ini memenuhi asumsi heteroskedastisitas.
Dengan kata lain pada model regresi ini variasi data homogen, terjadi kesamaan varians dari residual satu pengamatan ke pengamatan yang lain.
Tabel 5.7 HASIL UJI GLESJER
Coefficients(a)
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1
(Constant) ,167 ,394 ,425 ,674
KOMPETENSI -,006 ,079 -,015 -,082 ,935
PENGALAMAN KERJA -,060 ,069 -,164 -,875 ,389
LATAR BELAKANG
PENDIDIKAN ,072 ,051 ,254 1,393 ,174
a. Dependent Variable: RES2
Sumber : Data primer diolah, 2016 5.5 Pengujian Hipotesis Pertama
Setelah hasil uji asumsi klasik dilakukan dan hasilnya secara keseluruhan menunjukkan model regresi memenuhi asumsi klasik, maka tahap berikut adalah melakukan evaluasi dan interpretasi model regresi berganda. Model regresi berganda dalam penelitian ini adalah untuk menguji pengaruh variabel independen yaitu kompetensi (X1), pengalaman kerja (X2), dan latar belakang pendidikan (X3) terhadap variabel dependen kualitas audit aparat inspektorat (Y).
Berikut ini adalah uraian hasil pengujian regresi berganda dan output table
48
pengujian dengan menggunakan bantuan program SPSS versi 20,0 dalam bentuk output model summary, ANOVA (uji F), serta coefficient (uji t) seperti pada Tabel 5.8, 5.9, dan 5.10 sebagai berikut:
5.5.1 Uji Simultan (Uji F)
Dari hasil pengujian terhadap uji simultan ANOVA atau F test seperti yang ditampilkan pada tabel 5.8 diperoleh nilai Fhitung sebesar 17,881 dengan probabilitas 0,000. Karena probabilitas jauh lebih kecil dari nilai signifikan 0,05,maka model regresi dapat digunakan untuk memprediksi kualitas audit atau dapat dikatakan bahwa kompetensi, pengalaman kerja, dan latar belakang pendidikan aparat inspektorat secara simultan berpengaruh terhadap kualitas audit.
Tabel 5.8
HASIL UJI SIMULTAN (UJI F)
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 3,517 3 1,172 17,881 ,000b
Residual 1,967 30 ,066
Total 5,484 33
a. Dependent Variable: KUALITAS AUDIT
b. Predictors: (Constant), LATAR BELAKANG PENDIDIKAN, KOMPETENSI, PENGALAMAN KERJA
Sumber: Data primer diolah, 2016
Secara lebih tepat, nilai Fhitung dibandingkan dengan Ftabel dimana jika Fhitung >
Ftabel maka secara simultan variabel-variabel independen berpengaruh signifikan terhadap variabel dependen. Pada taraf α = 0,05 dengan derajat kebebasan pembilang/df = k-1 = 3-1 = 2 dan derajat kebebasan penyebut/df2 (n-k-1) = 32, diperoleh nilai Ftabel 3,32. Dengan demikian, nilai Fhitung (17,881) lebih besar dari
nilai Ftabel (3,32). Berdasarkan hasil perhitungan tersebut dapat diinterpretasikan bahwa variabel kompetensi, pengalaman kerja, dan latar belakang pendidikan secara bersama-sama mempengaruhi variabel kualitas audit.
5.5.2 Uji Parsial (Uji t)
Hasil pengujian statistik t (uji parsial) pada kompetensi, pengalaman kerja dan latar belakang pendidikan dapat dilihat pada tabel 5.9
Tabel 5.9.
HASIL UJI PARSIAL (UJI t)
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig.
B Std. Error Beta
1
(Constant) ,039 ,581 ,068 ,946
KOMPETENSI ,266 ,117 ,261 2,281 ,030
PENGALAMAN
KERJA ,497 ,101 ,570 4,910 ,000
LATAR BELAKANG
PENDIDIKAN ,178 ,076 ,265 2,343 ,026
Sumber: Data primer diolah, 2016
Variabel kompetensi mempunyai nilai thitung 2,281 > 2,042 ttabel dengan tingkat signifikansi 0,030 < 0,05 (α 5%). Hal ini dapat disimpulkan bahwa kompetensi secara parsial berpengaruh positif dan signifikan terhadap kualitas audit pada inspektorat kabupaten Labuhanbatu.
Variabel pengalaman kerja mempunyai nilai thitung 4,910 > 2,042 ttabel dengan tingkat signifikansi 0,000 < 0,05 (α 5%). Hal ini dapat disimpulkan bahwa pengalaman kerja secara parsial berpengaruh positif dan signifikan terhadap kualitas audit pada inspektorat kabupaten Labuhanbatu.
Variabel latar belakang pendidikan mempunyai nilai thitung 2,343> 2,042 ttabel dengan tingkat signifikansi 0,026 < 0,05 (α 5%). Hal ini dapat disimpulkan
50
bahwa latar belakang pendidikan secara parsial berpengaruh positif dan signifikan terhadap kualitas audit pada inspektorat kabupaten Labuhanbatu.
Dari informasi yang disajikan pada tabel 5.9 maka dapat dibangun persamaan regresi linear berganda antara variabel independen (X) terhadap variabel dependen (Y). Model yang dibangun dari hasil penelitian ini adalah :
Y = 0,039 + 0,266X1 + 0,497X2 + 0,178X3
Dari persamaan di atas dapat dijelaskan sebagai berikut :
a. Konstanta bernilai positif dan koefisien pada variabel kompetensi, pengalaman kerja dan latar belakang pendidikan bernilai positif, menandakan bahwa persamaan regresi berganda tersebut memiliki hubungan yang searah. Artinya kualitas audit akan meningkat seiring dengan meningkatnya kompetensi, pengalaman kerja dan latar belakang pendidikan dalam menentukan kualitas audit.
b. Konstanta sebesar 0,039, artinya bahwa seorang auditor memiliki kualitas audit sebesar konstanta (0,039) apabila semua variabel independen bernilai nol.
5.5.3 Koefisien Determinasi
Nilai R square (R2) atau nilai koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai R2 adalah diantara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel dependen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. (Ghozali, 2013).
Tabel 5.10
HASIL UJI KOEFISIEN DETERMINASI
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the
Estimate
1 ,801a ,641 ,605 ,25605
a. Predictors: (Constant), LATAR BELAKANG PENDIDIKAN, KOMPETENSI, PENGALAMAN KERJA b. Dependent Variable: KUALITAS AUDIT
Sumber: Data primer diolah, 2016
Berdasarkan tampilan output model summary pada tabel 5.10, besarnya adjusted R2 (koefisien determinasi yang telah disesuaikan) adalah 0,605. Nilai ini menunjukkan bahwa 60,5% variasi kualitas audit dapat dijelaskan oleh variasi dari ketiga variabel independen yaitu kompetensi, pengalaman kerja, dan latar belakang pendidikan, sedangkan sisanya 39,5% dijelaskan oleh sebab lain di luar model. Nilai R square sebesar 64,1 % menunjukkan bahwa korelasi atau hubungan antara variabel independen adalah kuat karena diatas 50 %.
Standard Error of Estimate (SEE) 0,25605 apabila dibandingkan dengan standard deviation variabel dependen kualitas audit 3,517 adalah lebih kecil. Hal ini mengindikasikan variabel-variabel independen lebih baik dalam memprediksi variabel dependen yaitu kualitas audit daripada rata-rata kualitas audit itu sendiri.