BAB III METODE PENELITIAN
H. Uji Coba Instrumen
I. Teknik Analisis Data
1. Analisis Statistik Deskriptif
Statistik deskriptif merupakan statistik yang menggambarkan fenomena atau karakteristik dari data yang telah dikumpulkan tanpa
adanya kesimpulan yang berlaku untuk digeneralisasikan (Gendro Wiyono, 2011: 171).
Analisa statistik deskriptif digunakan untuk memberikan gambaran umum terkait dengan demografi responden yang ada dalam penelitian dan tentang variabel-variabel penelitian, yaitu: fee audit, time budget pressure, kompleksitas audit, pengalaman auditor dan kualitas audit.
2. Uji Prasyarat Analisis a. Uji Normalitas
Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak (Sukirno DS, 2008: 46). Model regresi yang baik adalah yang memiliki nilai residual yang terdistribusi normal atau mendekati normal. Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square,
Skewness dan Kurtosis atau uji Kolmogorov-Smirnov.
Dalam penelitian ini, uji normalitas dilakukan dengan metode
Kolmogorov-Smirnov. Rumus untuk uji normalitas dengan metode
Kolmogorov-Smirnov menurut Sugiyono (2010), adalah sebagai berikut:
KD = 1,36 √ + Keterangan:
KD = harga Kolmogorov-Smirnov yang dicari n1 = jumlah sampel yang diperoleh
Kriteria pengambilan keputusan, adalah sebagai berikut: Signifikansi KD > 5% = distribusi data normal
Signifikansi KD≤ 5% = distribusi data tidak normal
b. Uji Linearitas
Uji linearitas bertujuan untuk mengetahui hubungan antara kedua variabel, yaitu variabel bebas dan variabel terikat bersifat linear atau tidak. Uji linearitas dilakukan dengan menggunakan uji linearitas tabel ANOVA dengan mencari nilai Deviation form Linearity dari uji F linear. Imam Ghozali (2006: 117) menyebutkan bahwa uji F dapat digunakan untuk menguji linearitas hubungan antara X dan Y. Apabila nilai F memiliki signifikansi lebih besar dari 5% maka hubungan kedua variabel linear, dan sebaliknya apabila nilai F lebih kecil atau sama dengan 5% maka hubungan antarvariabel X dan Y tidak linear.
Berikut merupakan rumus uji F, adalah sebagai berikut:
Freg = Rk egRk e
Keterangan:
Freg = harga bilangan F untuk regresi Rkreg = rerata kuadrat garis regresi Rkres = rerata kuadrat garis residu
(Sutrisno Hadi, 1994: 140)
c. Uji Asumsi Klasik
Uji asumsi klasik terdiri dari: Uji Multikolinearitas, dan Uji Heterokedastisitas. Uji ini dilakukan sebelum melakukan pengujian hipotesis dengan model regresi berganda.
1) Uji Multikolinieritas
Uji multikolinieritas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi berganda (Sukirno DS, 2008: 38). Apabila terdapat variabel-variabel bebas yang memiliki korelasi tinggi, maka hubungan antara variabel bebas tersebut dengan variabel terikatnya akan terganggu. Sehingga tidak boleh terdapat korelasi yang tinggi antara variabel-variabel bebas.
Untuk menguji ada atau tidaknya gangguan multikolinearitas yaitu menggunakan: (1) variance inflation factor (VIF), (2) korelasi pearson antara variabel-variabel bebas, dan (3) dengan melihat eigenvalues dan condition index
(CI). Tolerance mengukur variabilitas variabel bebas yang telah terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Kriteria pengambilan keputusan suatu model regresi bebas multikolinearitas menurut Imam Ghozali (2006: 92), adalah sebagai berikut :
a) Mempunyai nilai tolerance tinggi (> 0,10) b) Mempunyai nilai VIF rendah (< 10)
Rumus untuk mencari nilai VIF, adalah sebagai berikut: VIF = 1⁄� ���� ��
Atau VIF = 1 / (1 – R2)
Keterangan:
VIF = variance inflation factor
Tolerance = pengaruh yang berasal dari variabel yang tidak diteliti
R2 = koefisien determinasi
Apabila pada variabel bebas memenuhi syarat tersebut diatas, maka variabel bebas dengan variabel bebas lainnya tidak memiliki gangguan multikolinearitas.
2) Uji Heteroskedastisitas
Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain, Imam Ghozali (2006: 105). Apabila terdapat kesamaan varians dari residual satu pengematan ke pengamatan yang lain tetap, maka disebut dengan homoskedastisitas dan keadaan ini merupakan model regresi yang telah terpenuhi. Sebaliknya, apabila terdapat perbedaan varians dari residual satu pengematan ke pengamatan yang lain, maka disebut dengan heteroskedastisitas dan ini merupakan keadaan yang tidak baik.
Dalam menguji heteroskedastisitas, yaitu dilakukan dengan metode scatter plot, yaitu dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang baik adalah apabila tidak terdapat pola tertentu pada grafik, seperti melebar kemudian menyempit atau sebaliknya dan mengumpul ditengah. Apabila terdapat pola seperti tersebut,
maka terjadi heteroskedastisitas. Tidak terjadi heteroskedastisitas apabila sebaran titik–titik menyebar secara
random (acak) di sebelah kanan maupun kiri angka 0 pada sumbu horizontalnya.
3. Pengujian Hipotesis
a. Analisis Regresi Linear Sederhana
Regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat, Sukirno DS (2008: 62). Berikut merupakan persamaan regresi linear sederhana:
Y = a + bX
Keterangan:
Y = variabel terikat
a = konstanta (intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada koordinat kartesius b = angka arah atau koefisien regresi, yang menunjukkan
angka peningkatan ataupun penurunan variabel terikat yang didasarkan pada perubahan variabel bebas. Apabila (+) arah garis naik, dan apabila (-) arah garis turun. X = variabel bebas
Sukirno DS (2008: 62)
b. Analisis Regresi Berganda
Regresi berganda didasari pada hubungan fungsional maupun hubungan kausal dari dua atau lebih variabel independen dengan satu variabel dependen. Jadi, metode regresi berganda ini digunakan apabila jumlah variabel independennya minimal 2. Sedangkan analisis regresi interaksi digunakan untuk
melihat pengaruh masing–masing variabel independen dan digunakan untuk melihat sejauh mana pengaruh interaksi variabel moderasi dengan variabel independen terhadap variabel dependen.
Persamaan regresi berganda :
Y = a + b1 X1 + b2 X2 + b3 X3 + e Keterangan :
Y = variabel kualitas audit a = konstanta
X1 = variabel fee audit
X2 = variabel time budget pressure X3 = variabel kompleksitas tugas b1 - b3 = koefisien regresi
Persamaan regresi moderating :
Y = a + b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X1X2 X3X4 + e Keterangan :
Y = variabel kualitas audit a = konstanta
X1 = variabel fee audit
X2 = variabel time budget pressure, X3 = variabel kompleksitas tugas X4 = variabel pengalaman auditor b1– b5 = koefisien regresi
(Imam Ghozali, 2006: 164)
4. Sumbangan Relatif dan Sumbangan Efektif
Langkah selanjutnya dalam menguji hipotesis adalah mencari seberapa besar sumbangan masing-masing variable bebas terhadap variabel terikatnya, yaitu terdiri dari sumbangan relatif dan sumbangan efektif.
Sumbangan relatif adalah perbandingan relatifitas yang diberikan variabel bebas terhadap variabel terikatnya dengan variabel bebas yang diteliti. Rumus yang digunakan untuk mencari besarnya persentase sumbangan relatif, menurut Sutrisno Hadi (2004: 37) adalah sebagai berikut:
SR % = eg x 100%
Keterangan:
SR % = sumbangan relatif JKreg = jumlah kuadrat regresi JKtot = jumlah kuadrat total
b. Sumbangan Efektif (SE %)
Sumbangan efektif adalah perbandingan efektifitas yang diberikan satu variabel bebas terhadap satu variabel terikatnya dengan variabel-variabel bebas lain baik yang diteliti maupun yang tidak diteliti. Rumus yang digunakan untuk mencari besarnya persentase sumbangan efektif, menurut Sutrisno Hadi, (2004: 39) adalah sebagai berikut:
SE % = SR % x R2 Keterangan:
SE % = sumbangan efektif prediktor SR% = sumbangan relatif