91
Tabel 3.3 Definisi Operasional dan pengukuran Variabel
Variabel Defenisi Operasional
Pengukuran Skala
Variabel Dependen
Audit Delay
Y Lamanyarentang waktu
penyelesaian audit yang diukur dari tanggal
penutupan tahun buku sampai dengan tanggal
ditertibkannya laporan
audit.
Kurang atau sama dengan waktu audit = 1lebih dari
waktu audit = 0 Nominal
Variabel Independen
Debt To Equity
Ratio DER
X1 Kemampuan suatu
perusahaan untuk memenuhi seluruh
kewajiban finansialnya pada saat perusahaan
dilikuidasi.
Total Kewajiban Total Ekuitas
× 100
Rasio
Return On Asset
ROA X2
Kemampuan perusahaan menghasilkan laba bersih
berdasarkan tingkat aset
tertentu.
Laba Bersih Total Asset
× 100
Rasio Ukuran
Perusah aan
X3 Jumlah seluruh asset yang
dimiliki suatu perusahaan.
Ln = Total aktiva Rasio
3.6 Metode dan Teknik Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah sebagai berikut:
3.6.1 Statistika Deskriptif
Menurut suharyadi dan Purwanto 2008:10 “Statistika deskriptif adalah metode statistika yang digunakan untuk menggambarkan atau mendeskripsikan
data yang telah dikumpulkan menjadi sebuah informasi”. Statistik deskriptif mempunyai kegiatan mulai dari mengumpulkan, mengelolah, dan menyajikan
data. Penyajian data dapat berbentuk tabel, diagram, ukuran, dan gambar.
Universitas Sumatera Utara
92
3.6.2 Uji Asumsi Klasik
3.6.2.1 Uji Multikolinieritas
Menurut Ghozali 2013:105 ”Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variable
bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variable independen”. Untuk mendeteksi ada tidaknya
multikolinearitas dalam model regresi dapat dilihat dari Tolerance Value atau lawannya Variance Inflation factor VIF dengan membandingkan
sebagai berikut:
a. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat
disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
b. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat
disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
3.6.2.2 Uji Autokorelasi
Menurut Ghozali 2013:110 “Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Jika terjadi korelasi, maka dinamakan ada
problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Model regresi yang baik
adalah regresi yang bebas dari autokorelasi.
Universitas Sumatera Utara
93
Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi salah satunya adalah Uji Durbin-Watson. Uji Durbin
Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam
model regresi dan tidak ada variable lag di antara variable independen. Hipotesis yang akan diuji adalah:
H0 : tidak ada autokorelasi r = 0 Ha : ada autokorelasi r
≠ 0
3.6.2.3 Uji Heteroskedastisitas
Menurut Ghozali 2013:139 “Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan lain”. Jika variance dari residual satu pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas
dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen
yaitu ZPRED dengan residualnya SRESID dimana Sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual Y prediksi – Y
sesungguhnya yang telah di studentized. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
Universitas Sumatera Utara
94
tertentu yang teratur bergelombang, menyebar kemudian menyempit mengidentifikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang tidak jelas, serta titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.6.2.4 Uji Normalitas
Menurut Ghozali 2013:160 “Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal”. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residu mengikuti distribusi normal. Kalau asumsi ini dilanggar
maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara mendeteksi apakah residual berdistribusi normal atau tidak yaitu
dengan analisis grafik dan uji statistik.
a. Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data
observasi dengan distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan
khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan
distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan
Universitas Sumatera Utara
95
dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti
garis diagonalnya. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau
dengan melihat histogram dari residualnya. Dasar pengambilan keputusan dari analisis normal probability plot adalah sebagai berikut:
• Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal, maka menunjukkan pola distribusi normal. Model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti
arah garis diagonal serta tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas.
b. Analisis Statistik
Untuk mendeteksi normalitas data, dapat pula dilakukan melalui analisis statistik Kolmogorov-Smirnov Test K-S. Uji K-S dilakukan dengan
membuat hipotesis: HO = Data residual berdistribusi normal.
HA = Data residual tidak berdistribusi normal.
Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut:
• Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak,
yang berarti data terdistribusi tidak normal. •
Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik maka HO diterima, yang berarti data terdistribusi normal.
Universitas Sumatera Utara
96
3.6.3 Pengujian Hipotesis Penelitian
