Keterangan:
Density at lower limit = kepadatan batas bawah
Density at upper limit = kepadatan batas atas
Area under upper limit = daerah di batas atas
Area under lower limit = daerah di batas bawah 7. Menentukan nilai Transformasi Y= SV +(1+|SVmin|).
3.6.4 Pengujian Asumsi Klasik
Data yang telah terkumpul kemudian diolah dan dianalisis untuk menjawab rumusan masalah yang ada, sebelum melakukan analisis regresi berganda linear, terlebih dahulu dilakukan pengujian keabsahan regresi berdasarkan uji asumsi klasik (Sugiyono, 2013:36). Uji asumsi klasik yang digunakan dalam penelitian ini yaitu:
1. Uji Normalitas Data
Menurut Ghozali (2011:92) Uji normalitas data dilakukan dengan cara mengamati normal probability chart, dimana setiap nilai data yang diamati dipasangkan dengan nilai harapannya (expected value) dari distribusi normal. Jika sampel data berasal dari suatu populasi yang terdistribusi normal, maka titik-titik nilai data akan terletak kurang lebih dalam suatu garis lurus
2. Heterocedasticity
Menurut Ghozali (2011:98) Heterocedasticity adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi Heterocedasticity. Kriteria penarikan keputusan adalah jika terjadi pola yang beraturan antar titik-titik maka terjadi Heterocedasticity. Jika titik-titik menyebar ke atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi Heterocedasticity
3. Multikolinieritas
Menurut Ghozali (2011:106) Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel Independen, salah satu cara untuk mengetahui adanya multikolonieritas adalah dengan melihat nilai Varince Inflation factor (VIF). Jika nilai Variance
Inflation factor (VIF) > 10, maka hal ini menunjukkan adanya multikolinieritas.
4. Autokolerasi
Autokorelasi artinya, adanya korelasi antar anggota sampel yang diurutkan berdasarkan waktu. Konsekuensi adanya autokorelasi adalah varians sampel tidak dapat menggambarkan varians populasinya. Lebih jauh lagi, model regresi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependen pada nilai variabel independen tertentu. Buat kriteria uji (Ghozali,2011:111), yaitu :
Jika dHitung< dL atau dHitung> (4-dL), H0 ditolak, berarti ada autokorelasi. Jika dU>dHitung< (4 – dU), H0 diterima, berarti tidak terjadi autokorelasi.
Jika dL<dHitung< dU atau (4-dU) <dHitung< (4-dL), maka tidak dapat disimpulkan ada tidaknya autokorelasi.
3.6.5 Regresi Linier Berganda
Analisis regresi berganda (Multiple regression) merupakan analisis yang didasarkan pada hubungan fungsional atau kausal antara dua atau lebih variabel independen dan satu variabel independen. Penelitian ini akan menganalisis pengaruh pengalaman audit, due professional care, dan motivasi auditor terhadap kualitas audit.
Adapun persamaan umum regresi berganda menurut Sugiyono (2013:277) adalah:
Dimana :
Y = Kualitas Audit
X1 = Pengalaman Audit
X2 = Due Professional Care X3 = Motivasi Auditor
a = nilai Y jika X = 0 (nilai konstanta) b = angka arah atau koefiensi regresi b1 = koefisien regresi Pengalaman Audit b2 =Koefisien regresi Due Professional Care b3 =Koefisien regresi Motivasi Auditor e = kesalahan baku estimasi regresi
3.6.6 Uji F (Simultan)
Uji hipotesis simultan dilakukan dengan uji F yang bertujuan untuk mengetahui pengaruh variabel X1, X2 dan X3 secara simultan terhadap Y signifikan. Pengujian dilakukan sebagai berikut:
H0 : β = 0 : Pengalaman Audit (X1), Due Professional Care (X2) dan Motivasi Auditor (X3) secara simultan tidak berpengaruh signifikan terhadap Kualitas Audit (Y).
Hi : β ≠ 0 = : Pengalaman Audit (X1), Due Professional Care (X2) dan Motivasi Auditor (X3) secara simultan berpengaruh signifikan terhadap Kualitas Audit (Y)
Adapun kaidah keputusan dalam penelitian ini adalah: Terima H0 jika F hitung ≤ F tabel dan Tolak H0 jika F hitung > F tabel
Atau pengambilan keputusan didasarkan pada nilai profitabilitas yang didapatkan dari hasil pengolahan data melalui program SPSS 23:
1) Jika probabilitas > 0,05 maka H0 diterima. 2) Jika probabilitas < 0,05 maka H0 ditolak
Tingkat keyakinan yang digunakan dalam penelitian ini adalah sebesar 95% dengan taraf nyata 5 % (α = 0,05). Tingkat signifikan 0,05 atau 5 % artinya kemungkinan besar hasil penarikan kesimpulan memiliki profitabilitas 95% atau toleransi sebesar 5%. Nilai profitabilitas dari uji F dilihat pada hasil pengolahan dari program SPSS pada tabel ANOVA kolom sig atau signifiance.
Gambar 3.1 Kurva Distribusi F
3.6.7 Uji Parsial (Uji t)
Uji hipotesis secara parsial (uji t) dilakukan untuk mengetahui secara signifikan pengaruh masing-masing variabel X1, X2 dan X3 terhadap Y, dengan langkah-langkah sebagai berikut:
1. H0 : β1 =0 : Pengalaman Audit (X1) tidak berpengaruh secara signifikan terhadap Kualitas Audit (Y).
Hi : β1 ≠ 0 : Pengalaman Audit (X1) berpengaruh secara signifikan terhadap Kualitas Audit (Y).
2. H0 :β2 = 0 : Due Professional Care (X2) tidak berpengaruh secara signifikan terhadap Kualitas Audit (Y).
Hi : β1 ≠ 0 : Due Professional Care (X2) berpengaruh secara signifikan terhadap Kualitas Audit (Y).
3. H0 : β1 =0 : Motivasi Auditor (X3) tidak berpengaruh secara signifikan terhadap Kualitas Audit (Y).
Hi : β1 ≠ 0 : Motivasi Auditor (X3) berpengaruh secara signifikan terhadap Kualitas Audit (Y).
Adapun kaidah keputusan dalam penelitian ini adalah: Daerah Penerimaan Ho Daerah Penolakan Ho Ftabel 0 Fhitung
Terima H0 jika : atau
Tolak H0 jika : atau
Atau didasarkan pada nilai probabilitas yang didapatkan dari hasil pengolahan data melalui program SPSS 23:
1) Jika probabilitas > 0,05 maka H0 diterima. 2) Jika probabilitas < 0,05 maka H0 ditolak.
Tingkat keyakinan yang digunakan dalam penelitian ini adalah sebesar 95% dengan taraf nyata 5% (α = 0,05). Tingkat signifikan 0,05 atau 5% artinya kemungkinan besar hasil penarikan kesimpulan memiliki probabilitas 95% atau toleransi sebesar 5%. Pada uji t, nilai probabilitas dapat dilihat pada hasil pengilahan dari program SPSS 23 pada tabel coefficients kolom sig atau
significance.
Gambar 3.2 Kurva uji t
3.6.8 Koefisien Korelasi
Koefisien kolerasi pearson digunakan unutuk mengukur ada atau tidaknya hubungan antara variabel independent (X) dan variabel dependent (Y) serta mempunyai tujuan untuk meyakinkan bahwa pada kenyataannya terdapat
Daerah Penolakan Ho Daerah
hubungan antara pengalaman audit, due professional care, dan motivasi auditor terhadap kualitas audit. Dengan formula sebagai berikut:
Keterangan:
= Koefisien korelasi product moment = Variabel independen (variabel bebas) = Variabel dependen (variabel terikat) = Jumlah responden (sampel)
= Jumlah perkalian variabel bebas dan variabel terikat
Untuk memberikan interprestasi koefisien korelasinya maka penulis menggunakan pedoman sebagai berikut:
Tabel 3.16
Interprestasi Koefisien Korelasi Interval Koefisien Tingkat Hubungan
0.80 – 1.000 Sangat Kuat 0.60 – 0.799 Kuat 0.40 – 0.599 Sedang 0.20 – 0.399 Rendah 0.00 – 0.199 Sangat Rendah Sumber : Sugiono (2013 :184)
Koefisien korelasi mempunyai nilai -1≤ r ≤ +1 dimana:
a. Apabila r = +1 ,maka korelasi antara kedua variabel dikatakan sangat kuaat
dan searah, artinya jika X naik sebesar 1 maka Y juga akan naik sebesar 1 atau sebaliknya.
b. Apabila r = 0 , maka hubungan antara kedua variabel sangat lebar atau tidak ada hubungan sama sekali.
c. Apabila r = -1 , maka korelasi atara kedua variabel sangat kuat dan berlawanan arah, artinya apabila X naik sebesar 1 maka Y akan turun sebesar 1 atau sebaliknya.
3.6.9 Koefisien Determinasi
Untuk melihat seberapa besar tingkat pengaruh variabel independen terhadap variabel dependen secara parsial digunakan koefisien determinasi. Koefisien determinasi merupakan kuadrat dari koefisien korelasi sebagai ukuran untuk mengetahui kemampuan dari masing-masing variabel yang digunakan. Koefisien determinasi menjelaskan proporsi variasi dalam variabel dependen (Y) yang dijelaskan oleh hanya satu variabel independen (lebih dari satu variabel bebas: Xi; i = 1, 2, 3, 4, dst.) secara bersama-sama.
Sementara itu R adalah koefisien korelasi majemuk yang mengukur tingkat hubungan antara variabel dependen (Y) dengan semua variabel independen yang menjelaskan secara bersama-sama dan nilainya selalu positif. Selanjutnya untuk melakukan pengujian koefisien determinasi (adjusted R2) digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap variasi naik turunnya variabel dependen.
Koefisien determinan berkisar antara nol sampai dengan satu (0 ≤ R2≤ 1). Hal ini berarti bila R2 = 0 menunjukkan tidak adanya pengaruh antara variabel independen terhadap variabel dependen, bila adjusted R2 semakin besar mendekati
1 menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen dan bila adjusted R2 semakin kecil bahkan mendekati nol, maka dapat dikatakan semakin kecil pula pengaruh variabel independen terhadap variabel dependen. Rumus koefisien determinasi adalah sebagai berikut:
Keterangan:
= Besar atau jumlah koefisien determinasi = Nilai koefisien korelasi
Sedangkan kriteria dalam melakukan analisis koefisien determinasi adalah sebagai berikut:
a. Jika Kd mendekati nol (0), berarti pengaruh variabel independen terhadap variabel dependen lemah, dan
b. Jika Kd mendekati satu (1), berarti pengaruh variabel independen terhadap variabel dependen kuat.
Adapun pedoman untuk memberikan interpretasi koefisien korelasi atau seberapa besar pengaruh variabel-variabel bebas (Independent) terhadap variabel terikat (Dependent), digunakan pedoman yang dikemukakan oleh Sugiyono (2013:250).