Uji Analisis Regresi dengan Variabel Moderasi 1. Uji Asumsi Klasik
56 antara profitabilitas dengan audit delay karena signifikansi 0.202
0.05.
4.1.4. Uji Analisis Regresi dengan Variabel Moderasi 4.1.4.1. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar
diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji
normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah data yang
digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama
dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.7.
Universitas Sumatera Utara
57
Gambar 4.7 Grafik Histogram
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan gambar 4.7 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya
dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang
digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan
distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis
diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.8 berikut:
Universitas Sumatera Utara
58
Gambar 4.8 Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan grafik profitabilitas pada gambar 4.8 di atas menunjukkan bahwa data telah terdistribusi secara normal karena
distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik dapat
dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas
0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05.
Universitas Sumatera Utara
59
Tabel 4.12 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
40 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 10.85977136
Most Extreme Differences Absolute
.103 Positive
.085 Negative
-.103 Kolmogorov-Smirnov Z
.654 Asymp. Sig. 2-tailed
.785 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan hasil uji normalitas dengan Kolmogorov- Smirnov Data Asli diatas, terlihat bahwa data telah terdistribusi
dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.785 dan nilai Kolmogorov-Smirnov Z sebesar
0.654. b. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke
pengamatan lain
tetap, maka
disebut homoskedastisitas, dan jika variance dari residual satu pengamatan
ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan
dengan melihat grafik scatterplot, dengan dasar analisis. 1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang
teratur bergelombang,
melebar kemudian
Universitas Sumatera Utara
60 menyempit,
maka mengindikasikan
telah terjadi
heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.9 berikut:
Gambar 4.9 Grafik Scatterplot
Sumber: Hasil Pengolahan SPSS Mei 2016
Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada
sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
Universitas Sumatera Utara
61 c. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model
regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui
nilai inflation factor VIF dan Tolerance.
Tabel 4.13 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
79.488 3.108
25.578 .000
ZscoreUMUR 5.573
1.848 .443
3.016 .005
.960 1.042 ZscoreLN.T.ASET
-1.497 1.975
-.119 -.758
.453 .840 1.191
ABSUMUR.ASET -2.920
2.424 -.192
-1.205 .236
.813 1.230 a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang
dari 0.10
maka dinyatakan
terjadi gejala
multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10
maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini
adalah data dari variabel independen. Berdasarkan tabel 4.13 diatas diketahui masing-masing nilai VIF berada dibawah 10, dan nilai
Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas.
Universitas Sumatera Utara
62 d. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada
periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya.
Jika terjadi
korelasi dinamakan
ada masalah
autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Model regresi
yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang
diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada
diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi
terpenuhi. Adapun
kriteria dalam
penentuan autokorelasi adalah sebagai berikut :
1 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi. 2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status
autokorelasi tidak dapat dijelaskan inconclusive. 3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non
Autokorelasi. Tabel 4.14 digunakan untuk melihat nilai Durbin Watson
yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel DW menunjukkan bahwa dengan n = 40, K = 2, maka akan
diperoleh nilai dl = 1.3908 dan du = 1.6000 dan 4-du = 4 – 1.6000
Universitas Sumatera Utara
63 = 2.4000.Hasil pengujian autokorelasi dapat dilihat pada tabel
berikut:
Tabel 4.14 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .504
a
.254 .192
11.30321 2.193
a. Predictors: Constant, ABSUMUR.ASET, ZscoreUMUR, ZscoreLN.T.ASET b. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan hasil pengujian di atas diketahui bahwa nilai durbin watson adalah 1.3908 2.193 2.4000 yang berarti tidak
terjadi autokorelasi. 4.1.4.2. Uji Hipotesis
Hasil regresi linear pengaruh umur perusahaan terhadap audit delay dengan ukuran perusahaan sebagai variabel moderasi
ditunjukkan pada Tabel 4.15 berikut:
Tabel 4.15 Uji Analisis Regresi dengan Variabel Moderasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
79.488 3.108
25.578 .000
ZscoreUMUR 5.573
1.848 .443
3.016 .005
ZscoreLN.T.ASET -1.497
1.975 -.119
-.758 .453
ABSUMUR.ASET -2.920
2.424 -.192
-1.205 .236
a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan Tabel 4.15 diketahui model regresi sebagai
berikut:
Universitas Sumatera Utara
64 AUDIT DELAY = 79.488 + 5.573ZscoreUmur
– 1.497ZscoreLn.T. Aset
– 2.920AbsUmur.Aset + e Dari persamaan regresi tersebut diketahui bahwa variabel
ukuran perusahaan
sebagai variabel
moderasi tidak
mampu memoderasi hubungan antara umur perusahaan dengan audit delay
karena nilai signifikansinya 0.236 0.05.