interval dihitung dengan rumus Sturges diperoleh hasil 6,937825 dan dibulatkan menjadi 7 Lihat Lampiran 6. Jawaban responden pada
variabel akuntabilitas sebagai berikut : Tabel 14. Distribusi Frekuensi Akuntabilitas
No Interval Skor
Frekuensi 1
20 – 22,5 19
2 22,5 – 24
9 3
24,5 – 26 7
4 26,5 – 28
9 5
28,5 – 30 19
6 30,5 – 32
7 32,5 – 34
4 Jumlah
63 Sumber : Data Primer yang diolah.
Berdasarkan tabel distribusi frekuensi diatas, dapat digambarkan histogram berikut ini :
Gambar 4. Histogram Akuntabilitas Data tersebut kemudian digolongkan ke dalam kategori
kecenderungan akuntabilitas. Kategori kecenderungan variabel kualitas
5 10
15 20
19,5 – 22,5
22,5 – 24
24,5 – 26
26,5 – 28
28,5 – 30
30,5 – 32
32,5 – 34
19
9 7
9 19
4
F re
k u
e n
si
Interval Score
Frekuensi
audit dibagi menjadi lima kategori yaitu : sangat tinggi, tinggi, sedang, rendah dan sangat rendah.
Tabel 15. Kategori Kecenderungan Data Variabel Akuntabilitas No
Kategori Interval
Frekuensi Frekuensi Relatif
1 Sangat Tinggi
32,5 X ≤ 40 4
6,3 2
Tinggi 27,5 X ≤ 32,5
19 30,2
3 Sedang
22,5 X ≤ 27,5 21
33,3 4
Rendah 17,5 X ≤ 22,5
19 30,2
5 Sangat Rendah
10 X ≤ 17,5 Total
63 100
Sumber : Data Primer yang diolah.
Gambar 5. Pie Chart Kecenderungan Variabel Akuntabilitas Tabel di atas menunjukkan bahwa kategori sangat tinggi sebanyak
4 responden 6,3, kategori tinggi sebanyak 19 responden 30,2, kategori sedang sebanyak 21 responden 33,3, kategori rendah
sebanyak 19 responden 30,2 dan kategori sangat rendah 0 responden 0. Berdasarkan hasil tersebut, dapat disimpulkan bahwa penilaian
responden tentang variabel akuntabilitas adalah sedang karena mayoritas responden memberikan penilaian sedang.
6.30
30.20
33.30 30.20
Akuntabilitas
Sangat Tinggi Tinggi
Sedang Rendah
Sangat Rendah
3. Independensi Auditor
Independensi adalah sikap yang terdapat pada diri seseorang yang bebas dari pengaruh dan tekanan dari dalam maupun luar ketika
mengambil suatu keputusan, dimana dalam pengambilan keputusan tersebut harus berdasarkan fakta yang ada dan secara obyektif. Kuesioner
independensi terdiri dari 10 item pertanyaan. Skor tertinggi 33, skor terendah 19, mean 25,57 dan standar deviasi 4,035. Jumlah kelas interval
dihitung dengan rumus Sturges diperoleh hasil 6,937825 dan dibulatkan menjadi 7 Lihat Lampiran 6. Jawaban responden pada variabel
independensi sebagai berikut : Tabel 16. Distribusi Frekuensi Independensi
No Interval Skor
Frekuensi 1
19 – 21 15
2 21,5 – 23
6 3
23,5 – 25 9
4 25,5 – 27
10 5
27,5 – 29 11
6 29,5 – 31
8 7
31,5 – 33 4
Jumlah 63
Sumber : Data Primer yang diolah. Berdasarkan tabel distribusi frekuensi diatas, dapat digambarkan
histogram berikut ini :
Gambar 6. Histogram Independensi Data tersebut kemudian digolongkan ke dalam kategori
kecenderungan independensi. Kategori kecenderungan variabel
independensi dibagi menjadi lima kategori yaitu : sangat tinggi, tinggi, sedang, rendah dan sangat rendah.
Tabel 17. Kategori Kecenderungan Data Variabel Independensi No
Kategori Interval
Frekuensi Frekuensi Relatif
1 Sangat Tinggi
32,5 X ≤ 40 4
6,3 2
Tinggi 27,5 X ≤ 32,5
19 30,2
3 Sedang
22,5 X ≤ 27,5 22
34,9 4
Rendah 17,5 X ≤ 22,5
18 28,6
5 Sangat Rendah
10 X ≤ 17,5 Total
63 100
Sumber : Data Primer yang diolah.
2 4
6 8
10 12
14 16
18,5 – 21
21,5 – 23
23,5 – 25
25,5 – 27
27,5 – 29
29,5 – 31
31,5 – 33
15
6 9
10 11
8 4
F re
k u
e n
si
Interval Score
Frekuensi
Gambar 7. Pie Chart Kecenderungan Variabel Independensi Tabel di atas menunjukkan bahwa kategori sangat tinggi sebanyak
4 responden 6,3, kategori tinggi sebanyak 19 responden 30,2, kategori sedang sebanyak 22 responden 34,9, kategori rendah
sebanyak 18 responden 28,6 dan kategori sangat rendah 0 responden 0. Berdasarkan hasil tersebut, dapat disimpulkan bahwa penilaian
responden tentang variabel independensi adalah sedang karena mayoritas responden memberikan penilaian sedang.
C. Hasil Analisis Data
1. Uji Prasyarat Analisis
a Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam model regresi, variabel dependen dan variabel independen keduanya
mempunyai distribusi normal atau tidak. Uji normallitas dalam penelitian ini dilakukan melalui metode grafik dan statistik.
6.30
30.20
34.90 28.60
Independensi
Sangat Tinggi Tinggi
Sedang Rendah
Sangat Rendah
Metode grafik yang digunakan dalam penelitian ini adalah dengan mellihat normal probability plot. Normal probability plot adalah
membandingkan distribusi kumulatif data yang sesungguhnya dengan distribusi kumulatif dari distribusi normal Ghozali, 2011:161. Dasar
pengambilan keputusan melalui analisis ini, jika data menyebar disekitar garis diagonal sebagai representasi pada distribusi normal,
berarti model regresi memenuhi asumsi normalitas. Berikut hasil pengujian normalitas :
Gambar 8. Uji Normalitas Sumber : Data Primer yang diolah.
Berdasarkan hasil pengujian normalitas data menyebar disekitar garis
diagonal, berarti model regresi memenuhi asumsi normalitas. Dapat diambil keputusan bahwa data yang dianalisis telah memenuhi asumsi
normalitas.
b Uji Linieritas
Uji linearitas digunakan untuk mengetahui apakah variabel independen dan variabel dependen dalam penelitian ini mempunyai
hubungan yang linear. Dasar analisis dalam uji linearitas adalah : 1
Jika nilai probabilitas 0,05, maka hubungan antara variabel X dengan variabel Y adalah linear.
2 Jika nilai probabilitas 0,05, maka hubungan antara variabel X
dengan variabel Y adalah tidak linear.
Tabel 18. Uji Linieritas Hubungan Variabel
Linieritas Keterangan
Akuntabilitas X1 – Kualitas Audit Y 0,002
Linier Independensi X2 – Kualitas Audit Y
0,000 Linier
Akuntabilitas X1, Independensi X2 – Kualitas Audit Y
0,000 Linier
Sumber : Data Primer yang diolah. Berdasarkan hasil pengujian linieritas bahwa nilai probabilitas lebih
kecil 0.05 yang berarti hubungan antara variabel akuntabilitas, variabel independensi dan variabel kualitas audit adalah linear.
2. Uji Asumsi Klasik
a Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah di dalam modal regresi ditemukan adanya korelasi antar variabel bebas. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Untuk mendeteksi ada tidaknya multikolinearitas didalam
regresi dapat dilihat dari nilai tolerance dan nilai Variance Inflasing
Factor VIF. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance ≤ 0,10 atau sama
dengan nilai VIF ≥ 10. Tabel 19. Uji Multikolinearitas
Variabel Bebas Perhitungan
Keterangan Tolerance
VIF Akuntabilitas
0,912 1,096
Tidak ada multikolinearitas Independensi
0,912 1,096
Tidak ada multikolinearitas Sumber : Data Primer yang diolah.
Berdasarkan hasil pengujian diperoleh nilai tolerance sebesar 0.912 dan nilai VIF sebesar 1.096, dapat disimpulkan bahwa tidak ada
multikolinearitas dalam model regresi berganda.
b Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah nilai dalam model regresi terjadi ketidaksamaan variance residual satu
pengamatan ke pengamatan yang lain Ghozali,2011:139. Pengujian ada atau tidak adanya heteroskedasititas dalam penelitin ini adalah
dengan cara melihat grafik plot antara nilai prediksi variabel dependen ZPRED dengan residunya SRESID. Dasar analisis jika tidak ada
pola yang jelas serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka terjadi homoskedastisitas.
Gambar 9. Uji Heterokedastisitas Sumber : Data Primer yang diolah.
Berdasarkan hasil pengujian diperoleh tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu
Y, berarti tidak ada heterokedastisitas dalam model regresi berganda.
D. Uji Hipotesis
1. Analisis Regresi Sederhana
a Hipotesis 1, Terdapat pengaruh positif dan signifikan akuntabilitas
auditor terhadap kualitas audit pada KAP di Yogyakarta. Pengujian hipotesis 1 dilakukan dengan analisis regresi sederhana.
Hasil regresi sederhana sebagai berikut : Tabel 20. Uji Regresi Sederhana Akuntabilitas
Variabel Koefisien Regresi
t hitung Sig.
Konstanta 22,450
6,138 0,000
Akuntabilitas 0,452
3,193 0,002
R : 0,378 R Square : 0,143
Sumber : Data Primer yang diolah. 1
Persamaan Garis Regresi
