BAB IV HASIL DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.1. Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang
dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum,
sum, range, kuortosis dan skewness (kemencengan distribusi) (Ghozali, 2013:19). Analisis deskriptif dalam tabel 4.3 merupakan analisis deskriptif untuk variabel
Tabel 4.1
Analisis Statistik Deskriptif Tahun 2012-2014
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
FEE 57 1.061 1.176 1.11100 .027221 DK 57 .00200 .00500 .0034958 .00069650 KA 57 .00500 .01000 .0066314 .00084117 UP 57 1.172 1.240 1.20121 .017195 LEV 57 .122 .800 .40054 .179717 ROA 57 .001 .261 .07551 .063393 KAP 57 .00 1.00 .2807 .45334 IA 57 .00 1.00 .5088 .50437 Valid N (listwise) 57
Sumber data : Hasil output SPSS diolah, 2016
Tabel 4.1 menunjukkan statistik deskriptif masing-masing variabel
penelitian. Berdasarkan Tabel 4.1, hasil analisis dengan menggunakan statistik
deskriptif terhadap variabel independen DK menunjukkan nilai minimum 0,002
dan nilai maksimum 0,005. Sementara nilai rata-rata (mean) sebesar 0.0034 dan standar deviasi (standard deviation) sebesar 0.0006. Nilai rata-rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik. Pada variabel independen KA menunjukkan
nilai minimum 0.005 dan nilai maksimum 0.010. Sementara nilai rata-rata (mean) sebesar 0.0066 dan standar deviasi (standard deviation) sebesar 0.0008. Nilai rata-rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik.
Pada variabel independen UP menunjukkan nilai minimum 1.172 dan nilai
maksimum 1.240. Sementara nilai rata-rata (mean) sebesar 1.201 dan standar deviasi (standard deviation) sebesar 0.017. Nilai rata-rata (mean) yang lebih besar
dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik. Pada variabel independen LEV menunjukan nilai
minimum 0.122 dan nilai maksimum 0.800. Sementara nilai rata-rata (mean) sebesar 0.400 dan standar deviasi (standard deviation) sebesar 0.179. Nilai rata- rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik.
Pada variabel independen ROA menunjukkan nilai minimum 0.001 dan
nilai maksimum 0.261 . Sementara nilai rata-rata (mean) sebesar 0.075 dan standar deviasi (standard deviation) sebesar 0.063. Nilai rata-rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik. Pada variabel independen KAP
menunjukkan nilai minimum 0.00 dan nilai maksimum 1.00. Sementara nilai rata-
rata (mean) sebesar 0.280 dan standar deviasi (standard deviation) sebesar 0.453. Nilai rata-rata (mean) yang lebih kecil dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data tidak terdistribusi dengan baik.
Pada variabel independen IA menunjukkan nilai minimum 0.00 dan nilai
maksimum 1.00. Sementara nilai rata-rata (mean) sebesar 0.508 dan standar deviasi (standard deviation) sebesar 0.504. Nilai rata-rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik.
Hasil analisis dengan menggunakan statistik deskriptif terhadap variabel
dependen FEE menunjukkan nilai minimum 1.061 dan nilai maksimum sebesar
(standard deviation) sebesar 0.027. Hal ini menunjukkan bahwa kualitas data dari penelitian ini baik, karena nilai rata-rata (mean) lebih besar dari nilai standar deviasi yang mengidentifikasikan bahwa standar error dari setiap variabel kecil.
4.2.2. Asumsi Klasik
4.2.2.1 Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengetahui
apakah variabel pengganggu atau variabel residual terdistribusi normal.
Salah satu cara yang digunakan untuk melihat apakah data normal atau
tidak adalah melakukan analisis grafik dengan melihat grafik histogram
dan probability plot. Suatu data dikatakan baik apabila data tersebut terdistribusi normal. Pada grafik histogram, data yang mengikuti atau
mendekati distribusi normal adalah distribusi data dengan bentuk lonceng.
Gambar 4.1
Hasil Uji Normalitas Menggunakan Grafik Histogram Sumber Data: Hasil Output SPSS diolah, 2016
Grafik histogram pada gambar 4.1 menunjukan pola distribusi
normal karena grafik tidak melenceng kiri atau melenceng kanan. Dengan
demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi
normalitas. Selain itu, grafik normal P Plot of Regression Statistic juga dapat digunakan untuk melihat normal tidaknya suatu data. Kondisi
normalitas terjadi apabila titik-titik menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal. Hasil uji normalitas pada penelitian ini
dapat dilihat pada gambar berikut. Dari grafik normal P-Plot terlihat
bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal. Sehingga dalam penelitian tidak terjadi gangguan
normalitas, yang berarti data terdistribusi normal.
Gambar 4.2
Hasil Uji Normalitas Menggunakan Grafik P-Plot Sumber Data: Hasil Output SPSS diolah, 2016
Berdasarkan Gambar 4.2 dapat dilihat bahwa grafik normal
probability plot of regression standardized menunjukkan pola grafik yang normal. Hal ini terlihat dari titik-titik yang menyebar di sekitar garis
diagonal dan penyebarannya mengikuti garis diagonal diagonal. Maka
dapat disimpulkan bahwa model regresi layak dipakai karena memenuhi
asumsi normalitas. Untuk memperkuat pengujian dilakukan pengujian
normalitas dengan menggunakan uji One-Sample Klomograv Smirnov. Tabel 4.2
One-Sample Kolmograv Smirvon test One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 57
Normal Parametersa,b Mean 1.11100 Std. Deviation .027221 Most Extreme Differences Absolute .107 Positive .107 Negative -.056
Test Statistic .107
Asymp. Sig. (2-tailed) .163
a. Test distribution is Normal. b. Calculated from data.
Sumber Data: Hasil Output SPSS diolah, 2016
Dari Tabel 4.2 menunjukkan bahwa besarnya nilai Klomograv Smirnov Z adalah 0,107 dan variabel memiliki nilai probabilitas 0.163. Dasar pengambilan keputusan untuk pengujian One-Sample Klomograv Smirnov adalah apabila nilai probabilitas untuk nilai residual lebih besar dari 0.05. Sehingga dapat disimpulkan bahwa variabel dalam penelitian ini
terdistribusi secara normal, mendukung pengujian dengan grafik histogram
4.2.2 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas (independen). Uji
multikolinearitas menggunakan nilai tolerance dan Variance Inflation Factor (VIF). Batas tolerance adalah 0,10 atau nilai VIF adalah 10. Jika VIF > 10 dan nilai tolerance <0,10, maka terjadi multikolinearitas tinggi
antar variable bebas dengan variable bebas lainnya. Berikut adalah hasil
uji multikolinearitas menggunakan SPSS.
Tabel 4.3
Hasil Uji Multikolonieritas Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.222 .192 DK -3.074 2.847 -.079 .899 1.113 KA -4.885 2.329 -.151 .921 1.086 UP 1.128 .163 .712 .451 2.215 LEV .024 .014 .159 .583 1.716 ROA .116 .042 .271 .501 1.998 KAP .007 .006 .110 .453 2.205 IA .001 .004 .026 .852 1.174
a. Dependent Variable: FEE
Sumber data : Hasil Output SPSS diolah, 2016
Dari Tabel 4.3 Coefficients, hasil perhitungan nilai Tolerance
menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance
kurang dari 0,10. Hasil Variance Inflation Factor (VIF) juga menunjukkan hal yang sama bahwa tidak ada satu variabel independen yang memiliki
Pada variabel DK memiliki nilai tolerance sebesar sebesar 0,899 > 0,10 dan VIF sebesar 1.113 < 10. Variabel KA memiliki nilai tolerance
sebesar 0.921 > 0.10 dan VIF sebesar 1.086 < 10. Variabel UP memiliki
nilai tolerance sebesar 0.451 > 0.10 dan VIF sebesar 2.215 < 10. Variabel LEV memiliki nilai tolerance sebesar 0.583 > 0.10 dan VIF sebesar 1.716 < 10. Variabel ROA memiliki nilai tolerance sebesar 0.501 > 0.10 dan VIF sebesar 1.998 < 10. Variabel KAP memiliki nilai tolerance sebesar 0.453 > 0.10 dan VIF sebesar 2.205 < 10. Variabel IA memiliki nilai
tolerance sebesar 0.852 > 0.10 dan VIF sebesar 1.174 < 10. Dengan demikian dapat disimpulkan bahwa tidak ada multikolonieritas antar
variabel independen dalam model regresi.
4.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan varians dari residual satu pengamatan
kepengamatan yang lain. Deteksi ada tidaknya heteroskedastisitas dapat
dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
scatterplot. 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
Gambar 4.3 Grafik Scatterplot Sumber data: Hasil output SPSS diolah, 2016
Pada Gambar 4.3 dapat dilihat hasil uji heteroskedastisitas
menunjukkan bahwa model regresi tidak mengalami gangguan
heteroskedastisitas. Hal ini dapat terlihat dimana titik-titik tersebar tanpa
membentuk suatu pola tertentu dan tersebar naik di bawah atau di atas
angka 0 pada sumbu Y.
4.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model
regresi linear ada korelasi antara kesalahan pengganggu pada periode t
pengujian autokorelasi yang dilakukan dengan tabel Durbin Watson dilihat
pada tabel 4.3 berikut:
Tabel 4.4 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .875a .766 .733 .014069 1.872
a. Predictors: (Constant), IA, KAP, KA, DK, LEV, ROA, UP b. Dependent Variable: FEE
Sumber data : Hasil Output SPSS diolah, 2016
Hasil pengujian Tabel 4.4 menunjukkan bahwa nilai D-W (Durbin
Watson) sebesar 1.872. Nilai ini akan dibandingkan dengan nilai tabel Durbin-
Watson, dimana nilai batas bawah Durbin-Watson (dl) sebesar 1.3111, nilai batas
atas Durbin-Watson (du) sebesar 1.8562 dengan jumlah sampel (n) sebanyak 57
dan jumlah variabel independen (k) sebanyak 7 variabel. Sesuai dengan kriteria
pengambilan keputusan Durbin-Watson (du < d < 4-du = 1.8562 < 1.872 < 2.128),
maka model regresi pada penelitian ini tidak terjadi autokorelasi.
4.3 Hasil Pengujian Hipotesis
Setelah dilakukan pengujian asumsi-asumsi klasik statistik dan telah
terbukti data terbebas dari asumsi-asumsi klasik tersebut maka data dalam
penelitian ini telah memenuhi syarat untuk melakukan uji statistik untuk
membuktikan kebenaran uji hipotesis.
4.3.1Hasil Uji Koefisien Determinasi (R2)
Uji koefisien determinasi digunakan untuk mengukur proporsi
determinasi dapat dilihat pada kolom Adjusted R square, yang ditampilkan pada tabel berikut:
Tabel 4.5
Uji Koefisien Determinasi (R2) Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .875a .766 .733 .014069
a. Predictors: (Constant), IA, KAP, KA, DK, LEV, ROA, UP b. Dependent Variable: FEE
Sumber data : Hasil Output SPSS diolah, 2016
Berdasarkan Tabel 4.5 di atas, menunjukkan bahwa besarnya
nilai Adjsuted Rsquare adalah 0.733 atau 73.3 persen. Hal ini
menunjukkan bahwa 73.3 persen variabel fee audit dapat dijelaskan oleh tujuh variabel DK, KA, UP, LEV, ROA, KAP, IA. Sedangkan sisanya
26.7 persen dijelaskan oleh faktor lain yang tidak disertakan dalam
penelitian ini seperti konsentrasi kepemilikian, keahlian komite audit dan
faktor lainnya.
4.3.2. Hasil Uji Statistik F
Uji Statistik F pada dasarnya menunjukkan apakah semua
variabel independen atau bebas yang dimasukkan dalam model
mempunyai pengaruh secara bersama sama secara simultan terhadap
variabel dependen atau terikat. Pengujian dilakukan dengan
menggunakan tingkat signifikansi 0.05. Jika nilai signifikansi kurang
dari atau sama dengan 0.05 maka hipotesis diterima yang menyatakan
Sebaliknya, jika nilai signifikansi lebih besar dari 0.05 maka hipotesis
ditolak yang menyatakan bahwa variabel independen tidak signifikan
terhadap variabel dependen.
Tabel 4.6
Hasil Uji Signifikansi Simultan (Uji F) ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression .032 7 .005 22.950 .000b
Residual .010 49 .000
Total .041 56
a. Dependent Variable: FEE
b. Predictors: (Constant), IA, KAP, KA, DK, LEV, ROA, UP Sumber data : Hasil output SPSS diolah, 2016
Berdasarkan Uji-F diperoleh hasil bahwa nilai F hitung sebesar
22.950 dengan tingkat signifikansi sebesar 0.000. Karena tingkat
signifikansi lebih kecil (0.000 < 0.05). Hal ini berarti dapat dikatakan
bahwa variabel independen yaitu DK, KA, UP, LEV, ROA, KAP, IA
sebagai variabel kontrol berpengaruh secara bersama-sama atau secara
simultan dalam mempengaruhi fee audit eksternal.
4.3.3. Hasil Uji Statistik t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh
satu variabel penjelas atau independen secara individual dalam
menerangkan variabel dependen. Untuk melihat ada tidaknya pengaruh
dari masing-masing variabel independen terhadap variabel dependen dapat
dilihat dengan membandingkan nilai probabilitas (p-value) dari masing- masing variabel dengan tingkat signifikansi yang digunakan sebesar 0.05.
Tabel 4.7 Hasil Uji Statistik t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.222 .192 -1.154 .254 DK -3.074 2.847 -.079 -1.079 .286 KA -4.885 2.329 -.151 -2.097 .041 UP 1.128 .163 .712 6.931 .000 LEV .024 .014 .159 1.753 .086 ROA .116 .042 .271 2.777 .008 KAP .007 .006 .110 1.072 .289 IA .001 .004 .026 .346 .731
a. Dependent Variable: FEE
Sumber data : Hasil Output SPSS diolah, 2016
Berdasarkan hasil pengujian Tabel 4.7, uji statistik t dapat
disimpulkan bahwa terdapat tiga variabel yang memiliki tingkat
signifikansi di bawah 0.05. Variabel independen KA dengan nilai
probabilitas signifikan sebesar 0.041. Variabel independen UP dengan
nilai probabilitas signifikan sebesar 0.000. Variabel independen ROA
dengan nilai probabilitas signifikan sebesar 0.008.
Sedangkan, terdapat empat variabel yang memiliki nilai
signifikansi di atas 0.05. Variabel independen DK dengan nilai
probabilitas signifikansi sebesar 0.286. Variabel independen LEV dengan
nilai probabilitas signifikansi sebesar 0.086. Variabel independen KAP
dengan nilai probabilitas signifikansi sebesar 0.289. Variabel independen
dikatakan bahwa keempat variabel tersebut tidak mempunyai pengaruh
terhadap fee audit eksternal.
Berdasarkan Tabel 4.7, maka diperoleh persamaan regresi sebagai
berikut:
Keterangan:
Y = logaritma natural dari fee audit (FEE)
a = konstanta
X1 = presentase total komisaris independen terhadap dewan komisaris
(DK)
X2 = presentase komite audit di luar komisaris independen terhadap
jumlah total komite audit (KA)
X3 = logaritma natural total asset perusahaan (UP)
X4 = Rasio hutang atas aset perusahaan (LEV)
X5 = Return on Asset Perusahaan (ROA) X6 = Ukuran kantor akuntan publik (KAP)
X7 = Keberadaan fungsi audit internal (IA)
Pada persamaan regresi diatas menunjukkan bahwa nilai konstanta
sebesar –0.222. Hal ini dapat diartikan bahwa variabel fee audit eksternal tanpa dipengaruhi oleh variabel independen akan bernilai –0.222.
Koefisien regresi DK sebesar -3.074, menyatakan bahwa setiap
penambahan dewan komisaris yang lebih independen dalam perusahaan,
Y = -0.222- 3.074X1 - 4.885X2 + 1.128X3 + 0.024X4 + 0.116X5 + 0.007X6 + 0.001X7
maka dapat menurunkan jumlah fee audit eksternal yang diterima auditor eksternal. Koefisien regresi KA sebesar -4.885, menyatakan bahwa setiap
penambahan anggota komite audit dalam perusahaan maka dapat
menurunkan jumlah fee audit eksternal yang diterima auditor eksternal. Koefisien regresi UP sebesar 1.128, menyatakan bahwa ukuran perusahaan
yang besar dapat mengakibatkan fee audit eksternal yang lebih tinggi. Koefisien regresi LEV sebesar 0.024, menyatakan bahwa semakin besar
rasio hutang yang dimiliki perusahaan, maka mengakibatkan fee audit eksternal yang lebih tinggi. Koefisien regresi ROA sebesar 0.116
menyatakan bahwa semakin besar return on asset perusahaan maka dapat meningkatkan fee audit eksternal. Koefisien regresi KAP sebesar 0.007 menyatakan ukuran kantor akuntan publik yang ternama dapat
meningkatkan fee audit eksternal. Koefisien regresi IA sebesar 0.001 menunjukkan penambahan internal audit dalam perusahaan, maka
mengakibatkan kenaikan fee audit eksternal ketika audit eksternal tergantung pada pekerjaan audit internal. Berdasarkan pada Tabel 4.7
dapat disimpulkan bahwa variabel UP memiliki pengaruh yang paling
besar dengan koefisien beta regresi sebesar 1.128, diikuti variabel ROA
sebesar 0.116, dan variabel LEV sebesar 0.024.
Dari hasil Uji–t dapat dilakukan pembahasan hipotesis yang diajukan
sebagai berikut:
a. H1 = Ukuran dewan komisaris berpengaruh negatif terhadap fee
berpengaruh negatif dengan koefisien regresi sebesar -3.074 dan
signifikan sebesar 0,286. Karena tingkat signifikansi lebih besar dari 0,05,
maka secara parsial variabel DK berpengaruh negatif terhadap fee audit. Dengan demikian dikatakan bahwa hipotesis ditolak.
b. H2 = Ukuran komite audit berpengaruh positif terhadap fee
audit eksternal. Berdasarkan Uji–t diperoleh hasil bahwa KA berpengaruh
negatif dengan koefisien regresi sebesar -4.885 dengan tingkat signifikansi
0,041. Karena tingkat signifikansi lebih kecil dari 0,05, maka secara
parsial variabel KA berpengaruh positif terhadap variabel fee audit. Dengan demikian dikatakan bahwa hipotesis diterima.
c. H3 = Ukuran perusahaan berpengaruh positif terhadap fee
audit eksternal. Berdasarkan Uji–t diperoleh hasil bahwa UP berpengaruh
positif dengan koefisien regresi 1.128 dengan tingkat signifikansi 0,000.
Karena tingkat signifikansi lebih kecil dari 0,05, maka secara parsial
variabel UP berpengaruh signifikan. Dengan demikian dikatakan bahwa
hipotesis diterima.
d. H4 = Rasio hutang atas perusahaan berpengaruh negatif
terhadap fee audit eksternal. Berdasarkan Uji–t diperoleh hasil bahwa variabel LEV berpengaruh positif dengan nilai koefisien regresi sebesar
0.024 dengan tingkat signifikansi 0.086. Karena tingkat signifikansi lebih
besar dari 0,05, maka variabel LEV tidak berpengaruh signifikan terhadap
e. H5 = Return on asset perusahaan berpengaruh positif terhadap
fee audit eksternal. Berdasarkan Uji–t diperoleh hasil bahwa variabel ROA berpengaruh positif dengan nilai koefisien regresi sebesar 0.116 dengan
tingkat signifikansi 0.008. Karena tingkat signifikansi lebih kecil dari 0,05,
maka variabel ROA berpengaruh signifikan terhadap fee audit eksternal. Dengan demikian dikatakan bahwa hipotesis diterima.
f. H6 = Ukuran kantor akuntan publik berpengaruh negatif
terhadap fee audit eksternal. Berdasarkan Uji–t diperoleh hasil bahwa variabel LEV berpengaruh negatif dengan nilai koefisien regresi sebesar
0.007 dengan tingkat signifikansi 0.289. Karena tingkat signifikansi lebih
besar dari 0,05, maka variabel LEV tidak berpengaruh signifikan terhadap
fee audit eksternal. Dengan demikian dikatakan bahwa hipotesis ditolak. g. H7 = Keberadaan audit internal berpengaruh negatif terhadap
fee audit eksternal. Berdasarkan Uji–t diperoleh hasil bahwa variabel IA berpengaruh positif dengan nilai koefisien regresi sebesar 0.001 dengan
tingkat signifikansi 0.086. Karena tingkat signifikansi lebih besar dari
0,731, maka variabel LEV tidak berpengaruh signifikan terhadap fee audit eksternal. Dengan demikian dikatakan bahwa hipotesis ditolak.
4.4 PEMBAHASAN
Hasil analisa statistik menunjukkan bahwa secara simultan jumlah
dewan komisaris, jumlah komite audit, ukuran perusahaan, rasio hutang atas
perusahaan, return on asset perusahaan, ukuran kantor akuntan publik dan internal audit berpengaruh signifikan terhadap fee eksternal audit. Berdasarkan
Uji-F diperoleh hasil bahwa nilai F hitung sebesar 22.950 dengan tingkat
signifikansi sebesar 0.000. Karena tingkat signifikansi lebih kecil (0.000 <
0.05). Hal ini berarti dapat dikatakan bahwa variabel independen yaitu DK, KA,
UP, LEV, ROA, KAP, IA sebagai variabel kontrol berpengaruh secara bersama-
sama atau secara simultan dalam mempengaruhi fee audit eksternal.
Hasil analisa statistik menunjukkan bahwa secara parsial jumlah dewan
komisaris, jumlah komite audit, ukuran perusahaan, rasio hutang atas
perusahaan, return on asset perusahaan, ukuran kantor akuntan publik dan internal audit berpengaruh signifikan terhadap fee eksternal audit. Berdasarkan uji statistik t dapat disimpulkan bahwa terdapat tiga variabel yang memiliki
tingkat signifikansi di bawah 0.05. Variabel KA dengan nilai probabilitas
signifikan sebesar 0.041. Variabel independen UP dengan nilai probabilitas
signifikan sebesar 0.000. Variabel independen ROA dengan nilai probabilitas
signifikan sebesar 0.008. Sehingga dikatakan bahwa ketiga variabel tersebut
mempunyai pengaruh yang signifikan terhadap fee audit eksternal.
Sedangkan, terdapat empat variabel yang memiliki nilai signifikansi di
atas 0.05. Variabel independen DK dengan nilai probabilitas signifikansi sebesar
0.286. Variabel independen LEV dengan nilai probabilitas signifikansi sebesar
0.086. Variabel independen KAP dengan nilai probabilitas signifikansi sebesar
0.289. Variabel independen IA dengan nilai probabilitas signifikansi sebesar
0.731. Sehingga dikatakan bahwa keempat variabel tersebut tidak mempunyai