31
2. Kantor pusat perusahaan berada di berbagai tempat yang berbeda sehingga apabila harus mengambil data langsung dari sumbernya
akan menyita banyak waktu dan materi. 3. Lebih mudah dan lebih murah dalam memperoleh data.
D. Metode Analisis Data
1. Statistik Deskriptif Statistik deskriptif memberikan gambaran atau deskripsi suatu data
yang dilihat dari nilai rata-rata mean, standar deviasi, varians, maksimum, minimum, sum, range, kurtosis, dan skewness
kemencengan distribusi Ghozali, 2012. Statistik deskriptif didasarkan pada data yang telah dikumpulkan
lalu dianalisis. Analisis ini digunakan untuk memberikan deskripsi mengenai variabel-variabel penelitian fee audit, kualitas audit, dan
manajemen laba yang dapat dilihat dari jumlah data, maksimum, minimum, angka rata-rata, kisaran, dan standar deviasi.
2. Uji Asumsi Klasik a. Uji Normalitas
Pengujian akan dilakukan pada variabel fee audit dan manajemen laba saja karena satu variabel lainnya kualitas audit
32
hanyalah variabel dikotomi yang jelas tidak akan mampu membentuk distribusi normal.
Uji ini bertujuan untuk menguji apakah dalam model regresi, variabel independen, variabel dependen atau keduanya memiliki
distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal Ghozali,
2012. Proses uji normalitas data dilakukan dengan uji Kolmogorov-Smirnov K-S.
Uji K-S dilakukan dengan melihat angka probabilitasnya dengan ketentuan:
1 Nilai signifikansi atau nilai probabilitas 0,05; distribusi adalah tidak normal.
2 Nilai signifikansi atau nilai probabilitas 0,05; distribusi adalah normal.
Selain uji K-S, normal tidaknya suatu data dapat dideteksi juga lewat plot grafik histogram, hanya gambar grafik kadang-kadang
dapat menyesatkan karena kelihatan distribusinya normal tetapi secara statistik sebenarnya tidak normal Ghozali, 2012.
b. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas atau
33
independen Ghozali, 2012. Untuk menguji multikolinearitas, maka dapat dilakukan pengujian dengan menggunakan uji
Variance Inflation Factor VIF dengan ketentuan, yaitu: 1 Apabila memiliki nilai VIF variance inflation factor 10;
2 Mempunyai angka Tolerance mendekati 0,10; dan 3 Jika kedua kriteria di atas terpenuhi, maka bisa disimpulkan
bahwa variabel-variabel independen tidak memiliki masalah multikolinearitas.
Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen Ghozali, 2012.
c. Uji Heterokedastisitas Uji ini bertujuan untuk menguji apakah dalam sebuah model
regresi terjadi ketidaksamaan varian dari residual dari satu pengamatan ke pengamatan lainnya. Jika varian dari residual dari
satu pengamatan ke pengamatan lainnya tetap, maka disebut homokedastisitas, dan jika berbeda disebut heterokedastisitas.
Model regresi yang baik bersifat homokedastisitas dan tidak terjadi heterokedastisitas Ghozali, 2012.
Heterokedastisitas dapat dideteksi dengan melihat plot antara nilai taksiran dengan residual. Uji heterokedastisitas dalam
34
penelitian ini yaitu dengan melihat ada tidaknya pola tertentu pada grafik scatter plot. Ketentuan :
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian
menyempit, maka
mengindikasikan masalah
heterokedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas
dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
d. Uji Autokorelasi Uji ini bertujuan untuk menguji apakah dalam model regresi
linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya.
Gejala ini menimbulkan konsekuensi yaitu interval keyakinan menjadi lebih lebar serta varians dan kesalahan standar akan
ditafsir terlalu rendah. Uji autokorelasi dilakukan dengan Run test untuk menguji apakah antar residual terdapat korelasi yang tinggi.
3. Uji Hipotesis Jika suatu variabel dependen bergantung pada lebih dari satu
variabel independen, hubungan antara kedua variabel disebut analisis regresi berganda multiple regression. Hasil pengujian tersebut akan
35
memberikan hasil dari penolakan atau penerimaan dari hipotesis penelitian.
Penelitian ini menggunakan software SPSS 21 untuk memprediksi hubungan antara variabel independen dengan variabel dependen.
Adapun persamaan untuk menguji hipotesis secara keseluruhan dalam penelitian ini adalah sebagai berikut:
LNABSDTA = β
1
KA + β
2
LNFEE + e Keterangan:
LNABSDTA : Manajemen laba
KA : Kualitas audit
LNFEE : Fee audit
β
1
, β
2
: Koefisien masing-masing variabel e
: Error Analisis regresi linier berganda dan analisis jalur digunakan untuk
menguji hipotesis dalam penelitian ini. Analisis jalur merupakan perluasan dari analisis regresi berganda, atau dengan kata lain analisis
jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel yang telah ditetapkan sebelumnya
berdasarkan teori. Persamaannya antara lain adalah sebagai berikut: LNFEE
= β
1
KA + e
1
36
LNABSDTA =
β
1
KA + β
2
LNFEE + e
2
Keterangan: LNABSDTA
: Manajemen laba KA
: Kualitas audit LNFEE
: Fee audit β
1
, β
2
: Koefisien masing-masing variabel e
1,
e
2
: Error Untuk mengetahui kebenaran prediksi dari pengujian regresi yang
dilakukan, maka dilakukan pencarian nilai koefisien determinasi. Uji F juga digunakan untuk mengetahui apakah semua variabel
independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen. Sedangkan pengujian untuk mendukung
hipotesis adalah dengan uji t yaitu seberapa jauh pengaruh variabel dependen.
a. Uji Koefisien Determinasi Untuk menguji seberapa jauh kemampuan model penelitian
dalam menerangkan variabel dependen, yaitu dengan menghitung koefisien determinasi R². Semakin besar adjusted R² suatu
variabel independen, maka menunjukkan semakin dominan pengaruh variabel independen terhadap variabel dependen.
37
Nilai R² yang telah disesuaikan adalah antara nol dan sampai dengan satu. Nilai R² yang mendekati satu berarti kemampuan
variabel-variabel independen
memberikan hampir
semua informasi yang dibutuhkan untuk memprediksi variabel
dependen. Nilai R² yang kecil atau dibawah 0,5 berarti kemampuan variabel-variabel independen dalam menjelaskan
variabel dependen sangat kecil. Menurut Gujarati 2003 dalam Ghozali 2012 jika dalam uji empiris didapat nilai adjusted R²
negatif, maka nilai adjusted R² dianggap bernilai nol. b. Uji Statistik F F-test
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimaksud dalam penelitian secara
simultan atau bersama-sama merupakan penjelas yang signifikan terhadap variabel dependen. Pengujian dilakukan dengan
menggunakan tingkat signifikansi sebesar 0,05 α=5.
Ketentuan penolakan dan penerimaan hipotesis adalah sebagai berikut:
1 Jika nilai signifikansi F 0,05 atau Fhitung Ftabel maka Ho diterima dan menolak H
1
koefisien regresi tidak signifikan. Ini berarti bahwa secara bersama-sama seluruh
variabel independen tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
38
2 Jika nilai signifikansi F ≤ 0,05 atau Fhitung Ftabel maka
Ho ditolak dan menerima H
1
koefisien regresi signifikan. Ini berarti bahwa secara bersama-sama seluruh variabel
independen mempunyai pengaruh yang signifikan terhadap variabel dependen.
c. Uji Statistik t t-test Uji statistik t pada dasarnya menunjukkan seberapa jauh
pengaruh satu variabel independen secara parsial atau individual dalam menerangkan variabel dependen. Pengujian dilakukan
dengan menggunakan tingkat signifikansi sebesar 0,05 α=5.
Ketentuan penolakan atau penerimaan hipotesis adalah sebagai berikut:
1 Jika nilai signifikansi t 0,05 maka Ho diterima dan menolak H
1
koefisien regresi tidak signifikan. Ini berarti bahwa secara parsial variabel independen tersebut tidak mempunyai
pengaruh yang signifikan terhadap variabel dependen. 2
Jika nilai signifikansi t ≤ 0,05 maka Ho ditolak dan menerima H
1
koefisien regresi signifikan. Ini berarti bahwa secara parsial variabel independen tersebut mempunyai pengaruh
yang signifikan terhadap variabel dependen.
39
E. Operasionalisasi Variabel Penelitian