ANALISIS HASIL PENELITIAN
4.1 Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis regresi berganda. Analisis data dimulai dari mengolah data dengan menggunakan aplikasi Microsoft Excel. Selanjutnya dilakukan pengujian asumsi klasik dan pengujian hipotesis dengan metode analisis regresi berganda. Pengujian asumsi klasik dan pengujian hipotesis menggunakan software SPSS (Statistical Product and Service Solutions) versi 21. Prosedur dimulai dengan memasukkan data setiap variabel penelitian ke progam SPSS dan menghasilkan output-output sesuai dengan metode analisis yang telah ditentukan.
Berdasarkan kriteria yang telah ditetapkan, diperoleh 18 perusahaan yang akan dijadikan sampel selama periode 2011-2013.
Tabel 4.1 Sampel Penelitian
No. Kode Nama Perusahaan
1. INPC Bank Artha Graha Internasional Tbk. 2. BBKP Bank Bukopin Tbk.
3. BNBA Bank Bumi Arta Tbk. 4. BACA Bank Capital Indonesia Tbk. 5. BBCA Bank Central Asia Tbk. 6. BNGA Bank CIMB Niaga Tbk. 7. BMRI Bank Mandiri (Persero) Tbk. 8. MAYA Bank Mayapada Internasional Tbk. 9. MEGA Bank Mega Tbk.
10. BABP Bank MNC Internasional Tbk.
12. BSWD Bank of India Indonesia Tbk.
13. BJBR Bank Pembangunan Daerah Jawa Barat dan Banten Tbk. 14. BEKS Bank Pundi Indonesia Tbk.
15. AGRO Bank Rakyat Indonesia Agroniaga Tbk. 16. BSIM Bank Sinarmas Tbk.
17. BBTN Bank Tabungan Negara (Persero) Tbk. 18. BVIC Bank Victoria International Tbk.
4.2 Analisis Hasil Penelitian 4.2.1 Pengujian Data
4.2.1.1Analisis Statistik Deskriptif
Statistik deksriptif 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).
Tabel 4.2
Output SPSS Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std.
Deviation LnFEE 54 20,01 28,31 23,1311 2,15048 LnASSET 54 22,36 34,23 30,9263 2,07045 ROA 54 -,02457 ,02872 ,0135878 ,00988271 SUBS 54 0 1 ,44 ,502 BIG 54 0 1 ,61 ,492 GEN 54 0 1 ,22 ,420 TIPE 54 0 1 ,83 ,376 RISK 54 ,00000 ,12493 ,0309286 ,03144745 Valid N (listwise) 54
Output tampilan SPSS menunjukkan jumlah data yang digunakan (N) adalah 54 data. Dari 54 data ini, variabel LnFEE memiliki nilai rata-rata 23,1311, nilai minimum 20,01, nilai maksimum 28,31, dan standar deviasi 2,15048.
Variabel LnASSET memiliki nilai rata-rata 30,9263, nilai minimum 22,36, nilai maksimum 34,23, dan standar deviasi 2,07045.
Variabel ROA memiliki rata-rata 0,0135878. ROA merupakan perbandingan laba bersih dengan total aset suatu perusahaan. Variabel ROA memiliki nilai minimum -,02457 dan nilai maksimum 0,02872 dengan standar deviasi 0,00988271.
Variabel SUBS yang menjelaskan keberadaan anak perusahaan di suatu perusahaan memiliki rata-rata 0,44. Nilai minimum variabel ini adalah 0 dan nilai maksimum adalah 1 dikarenakan penggunaan variabel dummy. Standar deviasi variabel ini adalah 0,502.
Variabel BIG menjelaskan apakah suatu perusahaan memakai jasa auditor big four atau tidak. Variabel BIG memiliki nilai rata-rata 0,61, nilai minimum 0, nilai maksimum 1, dan standar deviasi 0,492.
Variabel GEN menjelaskan apakah auditor berjeniskelamin perempuan atau laki-laki. Variabel GEN memimiliki nilai rata-rata 0,22, nilai minimum 0, nilai maksimum 1, dan standar deviasi 0,420.
Variabel TIPE menjelaskan apakah perusahaan tergolong perusahaan milik pemerintah atau perusahaan swasta nasional. Variabel TIPE memiliki rata-rata 0,83, nilai minimum 0, nilai maksimum 1, dan standar deviasi 0,376.
Variabel RISK merupakan perbandingan antara total liabilitas jangka panjang dengan total aset perusahaan. Variabel RISK memiliki rata-rata 0,0309286, nilai minimum 0, nilai maksimum 0,12493, dan standar deviasi 0,03144745.
4.2.1.2Uji Asumsi Klasik
Model regresi linier dikatakan baik jika memenuhi uji asumsi klasik. Oleh karena itu, uji asumsi klasik sangat diperlukan sebelum melakukan analisis regresi. Uji asumsi klasik dalam penelitian ini terdiri atas uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui normal atau tidaknya suatu distribusi data (Sarjono dan Julianita, 2013 : 53). Uji normalitas menjadi hal penting karena salah satu syarat pengujian parametric-test (uji parametrik) adalah data harus berdistribusi normal. Penelitian ini mengambil hasil output berupa tabel test of normality. Keputusan diambil dari tabel Kolmogorov-Smirnov pada test of normality.
Tabel 4.3
Uotput SPSS Uji Normalitas
Tests of Normality
Kolmogorov-Smirnova
Statistic df Sig.
Unstandardized Residual ,086 54 ,200*
*. This is a lower bound of the true significance. a. Lilliefors Significance Correction
Dari hasil uji normalitas dengan menggunakan tabel test of normality, tampak pada kolom Kolmogorov-Smirnov memiliki nilai sig. 0,200. Dari angka signifikansi tersebut, dapat disimpulkan bahwa data berdistribusi normal. Data akan berdistribusi normal jika nilai signifikansi > 0,05.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk mengetahui apakah hubungan di antara variabel bebas memiliki masalah gejala mutikolinieritas atau tidak (Sarjono dan Julianita, 2013 : 70). Uji multikolinieritas perlu dilakukan jika jumlah variabel independen (variabel bebas) lebih dari satu. Penelitian ini menggunakan nilai VIF (variance-inflating factor) untuk melihat ada tidaknya gejala multikolinieritas. Jika VIF < 10, maka model dapat dikatakan terbebas dari gejala multikolinieritas.
Tabel 4.4
Output SPSS Uji Multikolinieritas Coefficientsa
Model Collinearity Statistics
Tolerance VIF 1 (Constant) LnASSET ,212 4,710 ROA ,529 1,892 SUBS ,287 3,489 BIG ,662 1,510 GEN ,723 1,384 TIPE ,453 2,206 RISK ,540 1,852
a. Dependent Variable: LnFEE
Hasil perhitungan VIF menunjukkan bahwa setiap variabel tidak mengalami gejala multikolinieritas. Ini dikarenakan nilai VIF masing-masing variabel < 10. c. Uji Heteroskedastisitas
Menurut Wijaya (dalam Sarjono dan Julianita, 2013 : 66), heteroskedastisitas menunjukkan bahwa varians variabel tidak sama untuk semua pengamatan/ observasi. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap disebut homokedastisitas. Model regresi yang baik adalah terjadi homokedastisitas atau tidak terjadi heteroskedastisitas. Untuk melihat ada tidaknya heteroskedastisitas, peneliti menggunakan uji gletjer.
Tabel 4.5
Output SPSS Uji Heteroskedastisitas
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) 3,173 2,836 1,119 ,269 LnASSET -,047 ,092 -,149 -,511 ,612 ROA -8,269 16,499 -,092 -,501 ,619 SUBS ,068 ,274 ,062 ,247 ,806 BIG ,067 ,184 ,060 ,362 ,719 GEN -,022 ,206 -,017 -,107 ,916 TIPE -,813 ,291 -,558 -2,799 ,067 RISK -4,666 3,651 -,233 -1,278 ,208
a. Dependent Variable: Abresid
Hasil tampilan output SPSS menunjukkan bahwa model regresi tidak mengandung adanya heteroskedastisitas. Hal ini terlihat dari probabilitas signifikansi setiap variabel di atas tingkat kepercayaan 5% atau nilai sig. > 0,05.
d. Uji Autokorelasi
Menurut Wijaya (dalam Sarjono dan Julianita, 2013 : 66), uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dan kesalahan pengganggu pada periode sebelumnya (t-1). Apabila terjadi korelasi maka hal tersebut menunjukkan adanya
problem autokorelasi. Untuk menguji autokorelasi, peneliti menggunakan uji Durbin- Watson.
Tabel 4.6
Output SPSS Uji Autokorelasi
Model Summaryb Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,891a ,794 ,762 1,04866 1,873
a. Predictors: (Constant), RISK, ROA, BIG, GEN, TIPE, SUBS, LnASSET b. Dependent Variable: LnFEE
Nilai dw sebesar 1,873 akan dibandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5% jumlah sampel 54 (N) dan jumlah variabel independen 7 (k=7). Pada tabel Durbin-Watson akan didapatkan nilai dl = 1,2851 dan nilai du = 1,8632. Dapat disimpulkan bahwa tidak terjadi autokorelasi karena nilai dl < dw < 4 – du (1,2851 < 1,873 < 2,1368).
4.2.2 Pengujian Analisis Regresi
Tabel 4.7
Output SPSS Uji Analisis Regresi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -15,769 5,549 -2,842 ,007 LnASSET 1,225 ,180 ,989 6,802 ,000 ROA 61,317 32,288 ,175 1,899 ,064 SUBS -1,162 ,536 -,271 -2,167 ,035 BIG ,412 ,360 ,094 1,145 ,258 GEN -,755 ,404 -,147 -1,871 ,068 TIPE ,484 ,569 ,085 ,852 ,399 RISK -1,446 7,145 -,018 -,202 ,841
a. Dependent Variable: LnFEE
Berdasarkan pada tabel diatas dapat dilihat koefisien untuk persamaan regresi dalam penelitian ini. Persamaan matematisnya adalah sebagai berikut :
LnFEE = -15,769+ 1,225 LnASSET + 61,317 ROA - 1,162 SUBS + 0,412 BIG – 0, 755 GEN + 0,484 TIPE – 1,446 RISK + e
4.2.3 Pengujian Hipotesis
Dari uji asumsi klasik di atas, dapat disimpulkan bahwa data terdistribusi normal dan tidak mengalami multikolinieritas, heteroskedastisitas, dan autokorelasi
sehingga memenuhi persyaratan untuk melakukan analisis regresi berganda untuk mengujian hipotesis.
a. Uji Koefisien Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Tabel 4.8
Output SPSS Uji Koefisien Determinasi Model Summaryb Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,891a ,794 ,762 1,04866 1,873
a. Predictors: (Constant), RISK, ROA, BIG, GEN, TIPE, SUBS, LnASSET b. Dependent Variable: LnFEE
Nilai adjusted R Square dikatakan baik karena berada di atas 0,5 karena nilai R Square berkisar o sampai 1. Nilai ini menunjukkan bahwa pengaruh variabel independen secara simultan terhadap variabel dependen adalah sebesar 76,2% dan besarnya variabel lain yang memengaruhi variabel dependen di luar kasus ini adalah sebesar 23,8%.
b. Uji t
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/ independen secara individual dalam menerangkan variasi variabel dependen.
Tabel 4.9 Output SPSS Uji t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -15,769 5,549 -2,842 ,007 LnASSET 1,225 ,180 ,989 6,802 ,000 ROA 61,317 32,288 ,175 1,899 ,064 SUBS -1,162 ,536 -,271 -2,167 ,035 BIG ,412 ,360 ,094 1,145 ,258 GEN -,755 ,404 -,147 -1,871 ,068 TIPE ,484 ,569 ,085 ,852 ,399 RISK -1,446 7,145 -,018 -,202 ,841
a. Dependent Variable: LnFEE
Nilai t hitung yang ada selanjutnya dibandingkan dengan nilai t tabel. Untuk nilai signifikansi 5% uji dua pihak dan nilai df = n – k = 54 – 8 = 46, maka diperoleh nilai t tabel adalah 2,01290. Jika nilai t hitung > t tabel maka hipotesis diterima. Sebaliknya jika t hitung < t tabel maka hipotesis ditolak. Nilai signifikansi pada tabel menunjukkan apakah variabel berpengaruh secara signifikan atau tidak.
c. Uji F
Uji F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/ terikat.
Tabel 4.10 Output SPSS Uji F ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 194,516 7 27,788 25,269 ,000b Residual 50,585 46 1,100 Total 245,101 53
a. Dependent Variable: LnFEE
b. Predictors: (Constant), RISK, ROA, BIG, GEN, TIPE, SUBS, LnASSET
Nilai f hitung yang ada selanjutnya dibandingkan dengan nilai f tabel. Untuk nilai signifikansi 5% uji dua pihak dan nilai df = n – k = 54 – 8 = 46, maka diperoleh nilai f tabel adalah 2,22. Jika nilai f hitung > f tabel maka hipotesis diterima. Sebaliknya jika f hitung < f tabel maka hipotesis ditolak. Nilai f hitung pada tabel lebih besar dari f tabel (25,269 > 2,22) dan nilai signifikansi lebih kecil dari 0,05. Sehingga dapat disimpulkan bahwa semua variabel independen berpengaruh secara simultan terhadap variabel dependen. Hasil ini membuktikan bahwa ukuran perusahaan, profitabilitas perusahaan, anak perusahaan, ukuran kantor akuntan publik, gender auditor, tipe kepemilikan perusahaan, dan risiko perusahaan berpengaruh secara simultan terhadap audit fees.
4.3 Interpretasi Hasil
Berdasarkan pengujian regresi berganda sebagaimana telah dijabarkan dalam bagian sebelumnya, interpretasi hasil disajikan untuk membahas pengaruh ukuran perusahaan (LnASSET), profitabilitas perusahaan (ROA), anak perusahaan (SUBS), ukuran kantor akuntan publik (BIG), gender auditor (GEN), tipe kepemilikan perusahaan (TIPE), dan risiko perusahaan (RISK) secara parsial maupun simultan terhadap audit fees (LNFEE).
4.3.1 Pengaruh Ukuran Perusahaan (LnASSET) terhadap Audit Fees (LnFEE)
Variabel LnASSET memiliki t hitung 6,802 dan nilai signifikansi 0,000. Karena t hitung lebih besar dari t tabel (6,802 > 2,01290) dan nilai signifikansi lebih kecil dari 0,05 (0,000 < 0,05) maka dapat disimpulkan variabel LnASSET berpengaruh signifikan terhadap LnFEE. Hasil ini membuktikan bahwa ukuran perusahaan berpengaruh terhadap audit fees. Hasil penelitian ini mendukung hasil penelitian Boo dan Sharma (2008), El-Gammal (2012), Gonthier dan Schaat (2006), Immanuel dan Yuyeta (2014), Joshi dan Al-Bastaki (2000), Kikhia (2014), Kusharyanti (2013), dan Fachriyah (2011).
Hasil penelitian menunjukkan bahwa ukuran perusahaan merupakan faktor untuk menentukan audit fees. Perusahaan yang besar cenderung dibebankan audit fees yang tinggi daripada perusahaan kecil karena perusahaan besar memiliki transaksi yang relatif besar daripada perusahaan kecil. Auditor yang mengaudit
perusahaan besar menghabiskan waktu dan usaha yang banyak dalam memeriksa operasi perusahaan (Joshi dan Al-Bastaki, 2000 : 131).
4.3.2 Pengaruh Profitabilitas Perusahaan (ROA) terhadap Audit Fees (LnFEE)
Variabel ROA memiliki t hitung 1,899 dan nilai signifikansi 0,064. Karena t hitung lebih kecil dari t tabel (1,899 < 2,01290) dan nilai signifikansi lebih besar dari 0,05 (0,064 > 0,05) maka dapat disimpulkan variabel ROA tidak berpengaruh terhadap LnFEE. Hasil ini gagal membuktikan bahwa profitabilitas perusahaan berpengaruh terhadap audit fees. Hasil penelitian ini mendukung hasil penelitian Fachriyah (2011) tetapi tidak mendukung hasil penelitian Joshi dan Al-Bastaki (2000). Ini dikarenakan ada indikator lain untuk mengukur profitabilitas perusahaan yaitu menggunakan variabel dummy atas kerugian perusahaan. Hay et.al (2006 : 170) mengatakan bahwa hubungan antara ROA dan biaya audit mungkin tidak linier karena penurunan ROA ketika perusahaan baru saja menderita kerugian mungkin memiliki pengaruh yang sama dengan penurunan ketika perusahaan jarang mengalami laba.
4.3.3 Pengaruh Anak Perusahaan (SUBS) terhadap Audit Fees (LnFEE)
Variabel SUBS memiliki t hitung -2,167 dan nilai signifikansi 0,035. Karena t hitung lebih kecil dari t tabel (-2,167 < 2,01290) dan nilai signifikansi lebih kecil dari 0,05 (0,035 < 0,05) maka dapat disimpulkan variabel SUBS tidak berpengaruh
terhadap LnFEE. Hasil ini gagal membuktikan bahwa anak perusahaan berpengaruh terhadap audit fees. Hasil penelitian ini tidak mendukung hasil penelitian Boo dan Sharma (2008), El-Gammal (2012), Immanuel dan Yuyeta (2014), Joshi dan Al- Bastaki (2000), Kusharyanti (2013), dan Fachriyah (2011). Tetapi hasil penelitian ini mendukung hasil penelitian Firth (1985). Firth (dalam Akinpelu et.al : 2013 : 77) menyimpulkan di penelitiannya bahwa anak perusahaan dan ruang lingkup operasi perusahaan secara statistik tidak berpengaruh pada audit fee yang dibebankan auditor.
4.3.4 Pengaruh Ukuran Kantor Akuntan Publik (BIG) terhadap Audit Fees (LnFEE)
Variabel BIG memiliki t hitung 1,145 dan nilai signifikansi 0,258. Karena t hitung lebih kecil dari t tabel (1,145 < 2,01290) dan nilai signifikansi lebih besar dari 0,05 (0,258 > 0,05) maka dapat disimpulkan variabel BIG tidak berpengaruh terhadap LnFEE. Hasil ini gagal membuktikan bahwa ukuran kantor akuntan publik berpengaruh terhadap audit fees. Hasil penelitian ini mendukung hasil penelitian Kusharyanti (2013) dan Fachriyah (2011) tetapi tidak mendukung hasil penelitian Boo dan Sharma (2008), El-Gammal (2012), Gonthier dan Schaat (2006), dan Immanuel dan Yuyeta (2014). Menurut Fachriyah (2011 : 30), ukuran kantor akuntan publik dapat diukur dengan variabel dummy Big Four dan non-Big Four
serta diproksikan dengan rata-rata pertumbuhan kantor akuntan publik. Pertumbuhan kantor akuntan publik diukur dengan menghitung rata-rata pertumbuhan jumlah klien
selama beberapa periode. Proksi ini dipakai pada penelitian Gonthier dan Schaat (2006).
4.3.5 Pengaruh Gender Auditor (GEN) terhadap Audit Fees (LnFEE)
Variabel GEN memiliki t hitung -1,871 dan nilai signifikansi 0,068. Karena t hitung lebih kecil dari t tabel (-1,871 < 2,01290) dan nilai signifikansi lebih besar dari 0,05 (0,068 > 0,05) maka dapat disimpulkan variabel GEN tidak berpengaruh terhadap LnFEE. Hasil ini gagal membuktikan bahwa gender auditor berpengaruh terhadap audit fees. Hasil penelitian ini mendukung hasil penelitian Abed dan Al- Badainah (2013) tetapi tidak mendukung hasil penelitian Hardies et.al (2010) serta Ittonen dan Peni (2011). Abed dan Al-Badainah (2013 : 131) mengungkapkan bahwa tidak ada perbedaan antara biaya audit dan jenis kelamin auditor walaupun hasil mencatat bahwa perempuan pada umumnya cenderung menolak perilaku melanggar kode etik profesional.
4.3.6 Pengaruh Tipe Kepemilikan Perusahaan (TIPE) terhadap Audit Fees (LnFEE)
Variabel TIPE memiliki t hitung 0,852 dan nilai signifikansi 0,399. Karena t hitung lebih kecil dari t tabel (0,852 < 2,01290) dan nilai signifikansi lebih besar dari 0,05 (0,399 > 0,05) maka dapat disimpulkan variabel TIPE tidak berpengaruh terhadap LnFEE. Hasil ini gagal membuktikan bahwa tipe kepemilikan perusahaan berpengaruh terhadap audit fees. Hasil penelitian ini mendukung hasil penelitian
Immanuel dan Yuyeta (2014) tetapi tidak mendukung hasil penelitian Pambudi dan Ghozali (2013). Fan dan Wong (dalam Pambudi dan Ghozali, 2013 : 7) mengemukakan bahwa perusahaan milik pemerintah membayar audit fees yang lebih tinggi untuk mendapatkan laporan auditor yang berkualitas.
4.3.7 Pengaruh Risiko Perusahaan (RISK) terhadap Audit Fees (LnFEE) Variabel RISK memiliki t hitung -,202 dan nilai signifikansi 0,841. Karena t hitung lebih kecil dari t tabel (-,202 < 2,01290) dan nilai signifikansi lebih besar dari 0,05 (0,841 > 0,05) maka dapat disimpulkan variabel RISK tidak berpengaruh terhadap LnFEE. Hasil ini gagal membuktikan bahwa risiko perusahaan berpengaruh terhadap audit fees. Hasil penelitian ini mendukung hasil penelitian Kusharyanti (2013) dan Fachriyah (2011) tetapi tidak mendukung hasil penelitian Boo dan Sharma (2008), Gonthier dan Schaat (2012), serta Joshi dan Al-Bastaki (2000). Francis dan Simon (dalam Fachriyah, 2011 : 29) mengatakan bahwa profitabilitas perusahaan tidak berpengaruh terhadap audit fees. Besarnya leverage belum cukup sebagai penentu besaran audit fees karena terdapat risiko-risiko lain yang dipertimbangkan auditor ketika auditor menerima penugasan audit.
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan analisis data dan pembahasan yang telah dilakukan maka dapat diambil kesimpulan sebagai berikut :
a. berdasarkan hasil analisis dengan tabel Anova dengan f hitung lebih besar dari f tabel (12,476 > 2,22) dan taraf signifikan 0,000 < 0,05 yang artinya bahwa ukuran perusahaan, profitabilitas perusahaan, anak perusahaan, ukuran kantor akuntan publik, gender auditor, tipe kepemilikan perusahaan, dan risiko perusahaan secara simultan mempunyai pengaruh terhadap audit fees, b. berdasarkan tabel Model Summary menunjukkan bahwa variabel independen
(ukuran perusahaan, profitabilitas perusahaan, anak perusahaan, ukuran kantor akuntan publik, gender auditor, tipe kepemilikan perusahaan, dan risiko perusahaan) terhadap variabel dependen (audit fees) adalah sebesar 60,3 %, sisanya sebesar 39,7 % dijelaskan oleh variabel bebas lainnya yang tidak diteliti pada penelitian ini, dan
c. berdasarkan tabel Coefficient dapat diketahui bahwa secara parsial hanya variabel ukuran perusahaan yang berpengaruh signifikan terhadap audit fees
yang dapat dilihat dari t hitung lebih besar dari t tabel (3,743 > 2,01290)serta angka signifikan < 0,05.
5.2 Saran
Berdasarkan hasil analisis penelitian, maka peneliti memberikan beberapa saran, antara lain :
a. peneliti selanjutnya yang meneliti topik yang sama dapat memasukkan variabel tambahan lain sehingga hasil penelitian sehubungan audit fees pada suatu perusahaan dapat menunjukkan hasil yang lebih jelas, dan
b. peneliti selanjutnya memakai sampel (objek penelitian) yang jumlahnya lebih banyak dan memperpanjang periode waktu penelitian sehingga hasil penelitian menunjukkan hasil yang lebih jelas