BAB III METODE PENELITIAN
3.5 Teknik Pengolahan dan Analisis Data
Penelitian ini mengasumsikan hubungan langsung antara abnormal audit fee, audit tenure, spesialisasi auditor dan mekanisme good corporate governance
sebagai variabel independen dengan proksi sebagai pengukurannya, dan kualitas audit sebagai variabel dependen dengan proksi akrual diskresioner. Penelitian ini menggunakan dua teknik analisis data, yaitu analisis statistik deskriptif dan analisis regresi. Teknik analisis dilakukan dengan bantuan software IBM SPSS versi 21.
3.5.1 Analisis Statistik Deskriptif
Statistik deskriptif digunakan untuk menggambarkan variabel-variabel dalam penelitian secara individual. Pengukuran yang digunakan alam penelitian ini mencakup nilai rata-rata (mean), deviasi standar, minimum dan maksimum. 3.5.2 Analisis Regresi Linear Berganda
Analisis regresi linear berganda yaitu metode analisis yang digunakan untuk mengetahui pengaruh langsung beberapa variabel independen terhadap variabel dependen. Sebelum melakukan pengujian hipotesis dengan analisis regresi berganda terlebih dahulu dilakukan uji asumsi klasik. Uji asumsi klasik digunakan untuk mengetahui apakah model penelitian telah terbebas dari penyimpangan asumsi klasik yang meliputi normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi.
3.5.2.1Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi linear berganda yang digunakan untuk menganalisis dalam penelitian ini terbebas dari penyimpangan asumsi klasik yang meliputi uji normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi. Masing-masing uji tersebut akan dijelaskan dalam uraian berikut.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi linier variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal (Ghozali, 2013). Cara membaca apakah data terdistribusi
normal atau tidak adalah dengan analisis grafik, jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan pola lonceng maka data terdistribusi normal, sebaliknya jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak mengikuti pola lonceng distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Selain itu kenormalan data juga bisa dilihat melalui table hasil uji Kolmogorov Smirnov yang langsung memberikan keterangan “normal” apabila data terdistribusi secara normal.
2. Uji Multikolinearitas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas (Ghozali, 2013). Untuk mendeteksi ada atau tidaknya multikolinieritas dalam model regresi ini adalah dengan menganalisis matrik korelasi variabel – variabel bebas dan apabila korelasinya signifikan antar variabel bebas tersebut maka terjadi multikolinieritas. Seperti yang dijelaskan oleh Ghozali (2013) sebagai berikut :
a. Jika nilai tolerance > 0,1 dan nilai VIF < 10, maka dapat disimpulkan tidak ada multikolinearitas antar variabel independen dalam model regresi. b. Jika nilai tolerance < 0,1 dan nilai VIF > 10, maka dapat disimpulkan
ada multikolinearitas antar variabel independen dalam model regresi. 3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi linier terdapat korelasi antara pengganggu pada periode t dengan
kesalahan pada periode t-1 (Ghozali, 2013). Pengujian dilakukan dengan uji statistik non-parametrik Run Test, yeng bertujuan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Ketentuan dari pengujian ini adalah jika p value ≤ 0,05 (signifikan pada 0.05) berarti residual tidak random atau terdapat hubungan korelasi antar residual. Jika p value ≥ 0,05 berarti residual random atau tidak terdapat hubungan korelasi antar residual
4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedositas atau tidak terjadi heteroskedastisitas. Jika varians berbeda maka disebut heteroskedastisitas.
Ghozali (2013) menyatakan bahwa model regresi yang baik adalah yang
homoskedastisitas dan tidak heteroskedastisitas. Untuk mendeteksi
heteroskedastisitas dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas).
Selain dengan menggunakan analisis grafik, pengujian heteroskedastisitas dapat dilakukan dengan Uji Glejser. Uji ini mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi
heteroskedastisitas. Jika probabilitas signifikansinya di atas tingkat kepercayaan 5%, maka dapat disimpulkan model regresi tidak mengandung heteroskedastisitas (Ghozali, 2013).
3.5.2.2Analisis Regresi Linear Berganda
Setelah dilakukan pengujian asumsi klasik, langkah yang selanjutnya yaitu melakukan analisis regresi. Analisis regresi dapat menjelaskan pengaruh antara variabel terikat dengan beberapa variabel bebas. Persamaan regresi yang digunakan dalam penelitian ini adalah sebagai berikut:
Keterangan: Y : kualitas audit α : konstanta β : koefisien regresi ε : error
X1 : abnormal audit fee
X2 : audit tenure
X3 : spesialisasi auditor, 1 untuk auditor spesialis dan 0 untuk lainnya X4 : konsentrasi kepemilikan
X5 : komisaris independen X6 : komite audit
3.5.2.3Pengujian Hipotesis
1. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji statistik t digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Kriteria untuk uji statistik t adalah sebagai berikut:
1) Jika p value ≤ 0,05 maka Ho ditolak atau dengan kata lain hipotesis alternatif diterima, artinya bahwa variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.
2) Jika p value ≥ 0,05 maka Ho diterima atau dengan kata lain hipotesis alternatif ditolak, artinya variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen.
2. Koefisien Determinasi
Koefisien determinasi (R2) bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
85