METODOLOGI PENELITIAN
D. Metode Analisis Data
Metode analisis data menggunakan statistik deskriptif, uji kualitas data, uji asumsi klasik dan uji hipotesis.
1. Statistik Deskriptif
Statistik deskripstif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness (kemencengan distribusi) (Ghozali, 2009:19).
2. Uji Kualitas Data
Untuk melakukan uji kualitas data atas data primer ini, maka peneliti menggunakan uji validitas dan reliabilitas.
a. Uji Validitas
Uji validitas digunakan untuk mengukur sah atau tidak suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu mengungkapakan sesuatu yang akan diukur oleh kuesioner tersebut. Pengujian validitas ini menggunakan Pearson Correlation yaitu dengan cara menghitung korelasi antara nilai yang diperoleh dari pertanyaan-pertanyaan. Apabila Pearson Correlation yang
60
didapat memiliki nilai di bawah 0,05 berarti data yang diperoleh adalah valid (Ghozali, 2009:45).
b. Uji Reliabilitas
Uji reliabilitas digunakan untuk mengukur konsistensi jawaban responden. Suatu kuesioner dikatakan reliable jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu. Pengukuran reliabilitas dapat dilakukan dengan 2 cara yaitu:
1) Repeated Measure atau pengukuran ulang.
2) One Shot atau pengukuran sekali saja, pengukurannya hanya sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain atau mengukur korelasi antar jawaban pertanyaan.
Kriteria pengujian dilakukan dengan menggunakan pengujian Cronbach Alpha (α).
Suatu variabel dikatakan reliable jika memberikan nilai Cronbach Alpha > 0,60 (Ghozali, 2009:42).
3. Uji Asumsi Klasik
Untuk melakukan uji asumsi klasik atas data primer ini, maka peneliti melakukan uji multikolonieritas, uji normalitas dan uji heteroskedastisitas.
a. Uji Multikolonieritas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Uji multikolonieritas dilihat dari nilai
tolerance dan Variance Inflantion Factor (VIF) (Ghozali, 2009:91). Jika terjadi korelasi, maka dinamakan terdapat problem multikoliniearitas (multiko). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
61
Uji multikolonieritas dilihat dari nilai tolerance dan Variance Inflantion Factor (VIF)
serta besaran korelasi antar variabel independen (Ghozali, 2009:91). Suatu model regresi dapat dikatakan bebas multiko jika mempunyai nilai VIF di sekitar angka 1 dan mempunyai angka tolerance mendekati 1, sedangkan jika dilihat dengan besaran korelasi antar variabel independen, maka suatu model regresi dapat dikatakan bebas multiko jika koefisien korelasi antar variabel independen haruslah lemah (dibawah 0,5).
b. Uji Normalitas
Uji normalitas bertujuan untuk mengukur apakah di dalam model regresi variabel independen dan variabel dependen keduanya mempunyai distribusi normal atau mendekati normal. Model regresi yang baik adalah memiliki distribusi normal atau mendekati normal. Dalam penelitian ini, uji normalitas menggunakan Normal Probability Plot (P-P Plot). Suatu variabel dikatakan normal jika gambar distribusi dengan titik data yang menyebar di sekitar garis diagonal, dan penyebaran titik-titik data searah mengikuti garis diagonal (Santoso, 2004:212).
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam suatu model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Uji heteroskedastisitas dapat dilihat dengan menggunakan grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan residual (SRESID). Jika grafik plot
menunjukkan suatu pola titik seperti titik yang bergelombang atau melebar kemudian menyempit, maka dapat disimpulkan bahwa telah terjadi heteroskedastisitas. Tetapi
62
jika grafik plot tidak membentuk pola yang jelas, maka tidak terjadi heteroskedastisitas (Ghozali, 2009:126).
4. Uji Hipotesis
Hipotesis dalam penelitian ini diuji dengan menggunakan model regresi berganda. Model regresi berganda bertujuan untuk memprediksi besar variabel dependen dengan menggunakan data variabel independen yang sudah diketahui besarnya (Santoso, 2004:163). Model ini digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen dengan skala pengukuran interval atau rasio dalam suatu persamaan linier (Indriantoro dan Supomo, 2002:211). Variabel independen terdiri dari profesionalisme, keahlian, pengetahuan mendeteksi kecurangan dan adaptasi SOA section 404. Sedangkan variabel dependennya adalah pengungkapan kecurangan.
Rumus regresi berganda yang digunakan adalah sebagai berikut.
Keterangan:
Y : Pengungkapan Kecurangan a : Konstanta (harga Y, bila X=0)
b1-4 : Koefisien regresi (menunjukkan angka peningkatan atau penurunan variabel dependen yang didasarkan pada hubungan nilai variabel independen)
XД : Profesionalisme XЕ : Keahlian
XЖ : Pengetahuan Mendeteksi Kecurangan Y = a + bДXД+ bЕXЕ + bЖXЖ+ b4X4 + e
63 X4 : Adaptasi SOA 2002 section 404 e : Error
Pengujian hipotesis dilakukan melalui: a. Koefisien Determinasi
Koefisien Determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara 0 (nol) dan 1 (satu). Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2009:83).
b. Uji statistik t
Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen dan digunakan untuk mengetahui ada atau tidaknya pengaruh masing-masing variabel independen secara individual terhadap variabel dependen yang diuji pada tingkat signifikansi 0,05 (Ghozali, 2009:84).
Menurut Santoso (2004:168) dasar pengambilan keputusan adalah sebagai berikut: 1) Jika nilai probabilitas lebih besar dari 0,05, maka H0 diterima atau Ha ditolak, ini
berarti menyatakan bahwa variabel independen atau bebas tidak mempunyai pengaruh secara individual terhadap variabel dependen atau terikat.
2) Jika nilai probabilitas lebih kecil dari 0,05, maka H0 ditolak atau Ha diterima, ini berarti menyatakan bahwa variabel independen atau bebas mempunyai pengaruh
64
secara individual terhadap variabel dependen atau terikat. c. Uji statistik F
Uji statistik F menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Uji statistik F digunakan untuk mengetahui pengaruh semua variabel independen yang dimasukkan dalam model regresi secara bersama-sama terhadap variabel dependen yang diuji pada tingkat signifikan 0,05 (Ghozali, 2009:84).
Menurut Santoso (2004:120) dasar pengambilan keputusan adalah sebagai berikut: 1) Jika nilai probabilitas lebih besar dari 0,05, maka H0 diterima atau Ha ditolak, ini
berarti menyatakan bahwa semua variabel independen atau bebas tidak mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
2) Jika nilai probabilitas lebih kecil dari 0,05, maka H0 ditolak atau Ha diterima, ini berarti menyatakan bahwa semua variabel independen atau bebas mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.