69
masing-masing juga menunjukkan bahwa nilai VIF masing-masing variabel bebas kurang dari 10, sehingga dapat disimpulkan bahwa tidak
ada multikolonieritas antar variabel independen dalam model regresi.
b. Hasil Uji Normalitas
Pengujian normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, variabel dependen dan variabel independen atau
keduanya mempunyai distribusi normal atau tidak.Model regresi yang baik adalah distribusi data normal atau mendekati normal.
2
Gambar 4.7 Hasil Uji Normalitas dengan Menggunakan Grafik P-Plot
Gambar 4.7 memperlihatkan penyebaran data yang berada di sekitar garis diagonal dan mengikuti arah garis diagonal.Ini menunjukkan bahwa
model regresi telah memenuhi asumsi normalitas.Selain dengan melihat
2
Imam Ghozali, Aplikasi Multivariate dengan program IBM SPSS 19, hal. 147 Sumber : Data primer yang diolah
70
grafik diatas, normalitas data juga dengan melihat uji statistik yaitu dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-
Smirnov pada alpha sebesar 5 . Jika nilai signifikansi dari pengujian Kolmogorov-Smirnov lebih besar dari 0,05 berarti data normal
Tabel 4.4 Hasil Uji Normalitas Menggunakan Kolmogorov-Smirnov Test
Berdasarkan uji statistik normalitas pada tabel 4.4 menunjukkan bahwa p value 0,172 lebih besar daripada 0,05, yang berarti hipotesis nol
diterima atau nilai residual terdistribusi secara normal.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 21
Normal Parameters
a,b
Mean .0000000
Std. Deviation 3.16101010
Most Extreme Differences Absolute
.172 Positive
.127 Negative
-.172 Test Statistic
.172 Asymp. Sig. 2-tailed
.108
c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. Sumber : Data primer yang diolah
71
c. Hasil Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan untuk menguji apakah sebuah model regresi terjadi ketidaksamaan varians dari residual dari
suatu pengamatan ke pengamatan yang lain. Apabila varians dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas.
3
Gambar 4.8 Grafik Scatterplot
Berdasarkan gambar 4.8 yang menunjukkan titik-titik menyebar secara acak dan tidak membentuk pola tertentu serta tersebar diatas dan
dibawah angka 0 nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas sehingga model regresi layak digunakan untuk melihat
kualitas laporan keuangan berdasarkan masukan sistem pengendalian internal, pemanfaatan teknologi informasi dan kapasitas auditor internal.
3
Imam Ghozali, Aplikasi Multivariate dengan program IBM SPSS 19, hal. 125. Sumber : Data primer yang diolah
72
d. Hasil Uji Autokorelasi Pada model regresi yang baik tidak akan terdapat autokorelasi
antar variabelnya.
Tabel 4.5 Tabel Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .753
a
.567 .491
3.429 1.771
a. Predictors: Constant, KAI, PTI, SPI b. Dependent Variable: KLK
Berdasarkan tabel 4.5 yang merupakan hasil uji autokorelasi, didapatkan hasil uji Durbin-Watson sebesar 1,771. Dari n = 21, dan 3
variabel independen, maka dU = 1,0262 dan dL = 1,6694. Hasil uji DW lebih besar dari dU dan dL sehingga hasil ini menunjukkan tidak terjadi
autokorelasi dalam model regresi.
73
C. Hasil Uji Hipotesis
a. Hasil Uji Koefisien Determinasi R
2
Koefisien determinasi menunjukkan seberapa besar persentase variasi variabel independen yang digunakan dalam model mampu
menjelaskan variasi variabel dependen.
4
Tabel 4.6 Hasil Uji Koefisien Determinasi
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.753
a
.567 .491
3.429 a. Predictors: Constant, KAI, PTI, SPI
Nilai – nilai koefisien adjusted R square dan koefisien korelasi
menunjukkan angka yang cukup baik untuk penelitian yang menggunakan data primer data kuesioner. Tabel diatas menunjukkan koefisien korelasi
R sebesar 0,753 yang menunjukkan bahwa hubungan Antara variabel independen yaitu sistem pengendalian internal, pemanfaatan teknologi
informasi dan kapasitas auditor internal dengan variabel dependen kualitas laporan keuangan menunjukkan korelasi positif.
Tabel 4.6 menunjukkan nilai koefisien determinasinya adjusted R Square sebesar 0,567 yang berarti bahwa variasi variabel kualitas laporan
keuangan hanya dapat dijelaskan oleh variasi variabel sistem pengendalian internal, pemanfaatan teknologi informasi, dan kapasitas auditor internal
4
Duwi Priyatno, Belajar Cepat Olah Data Statistik dengan SPSS, Yogyakarta : Andi, 2010 h. 66
74
sebesar 56,7 sedangkan sisanya sebesar 43,3 dijelaskan oleh faktor- faktor lain yang tidak dimasukkan dalam penelitian. Faktor-faktor lain
tersebut seperti penerapan good corporate governance, audit laporan keuangan, independensi auditor, dan opini audit
.
b. Hasil Uji Signifikansi Simultan Uji F
Pengujian dengan ANOVA berdasarkan nilai signifikansi F disebut uji F. Uji ini dimaksudkan untuk mengetahui model regresi yang diajukan
peneliti sudah baik atau tidak.Jika nilai p-value menunjukkan nilai yang signifikan, maka dapat ditarik kesimpulan pada model yang diajukan
setidaknya ada satu variabel independen yang berpengaruh pada variabel dependennya.Dalam hal ini uji F dilakukan untuk mengetahui pengaruh
sistem pengendalian internal, pemanfaatan teknologi informasi dan kapasitas auditor internal terhadap kualitas laporan keuangan. Tabel
dibawah merupakan hasil dari Test of ANOVA
Tabel 4.7 Hasil Uji Statistik F variabel X dan Y
ANOVA
a
Model Sum of Squares
Df Mean Square
F Sig.
1Regression 261.970
3 87.323
7.428 .002
b
Residual 199.840
17 11.755
Total 461.810
20 a. Dependent Variable: KLK
b. Predictors: Constant, KAI, PTI, SPI
75
Hipotesa penelitian ini menyatakan bahwa sistem pengendalian internal, pemanfaatan teknologi informasi dan kapasitas auditor internal
mempunyai pengaruh terhadap kualitas laporan keuangan. Ketiga variabel diatas diuji secara overall bersama-sama dan berdasarkan hasil uji
diperoleh nilai signifikansi 0,002 lebih kecil dari α = 0,05. Hal ini menunjukkan bahwa sistem pengendalian internal, pemanfaatan teknologi
informasi dan kapasitas auditor internal secara bersama-sama berpengaruh terhadap variabel dependennya.
c. Uji Statistik Parsial Uji Statistik t
Selain kita melihat hasil sebelumnya, harus dilihat pula nilai uji parsial masing-masing variabel. Uji ini bertujuan untik menguji besarnya
pengaruh variabel independen terhadap variabel dependen dengan melihat tingkat signifikansi masing-masing variabel independen terhadap variabel
dependen.
Tabel 4.8 Hasil Uji Statistik t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF Constant
17.294 7.053
2.452 .025
SPI -.233
.160 -.348
-1.457 .163
.445 2.248
PTI .324
.308 .960
4.292 .000
.508 1.968
KAI -.090
.236 -.099
-.382 .707
.376 2.658
a. Dependent Variable: KLK
Sumber : data primer yang diolah
