84
Tabel 4.4b Uji Multikolinearitas – Bursa Efek Indonesia
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1
Constant -2,945
2,076 -1,418
,159 ARL
-,006 ,004
-,071 -1,596 ,114
,909 1,100 RISK
,901 ,347
,122 2,600
,011 ,810 1,235
KOMPLAU ,000
,008 ,004
,063 ,950
,576 1,737 KAP
,384 ,164
,118 2,348
,021 ,706 1,416
LNTA ,883
,081 ,881 10,884
,000 ,274 3,651
IFRS -,094
,143 -,028
-,658 ,512
,968 1,033 IFRS_Scor
e -,034
,067 -,043
-,503 ,616
,246 4,065 a. Dependent Variable: LNFEE
Sumber : Data diolah dengan SPSS 22,0. Dari Tabel 4.4b di atas, maka dapat diperoleh nilai VIF dari masing-
masing variabel independen untuk variabel Audit Report Lag sebesar 1,1, Risiko Perusahaan sebesar 1,235, Kompleksitas Audit sebesar 1,737, Jenis
KAP sebesar 1,416, Ukuran Perusahaan sebesar 3,651, IFRS sebesar 1,033, dan IFRS Skor sebesar 4,065. Sehingga dapat disimpulkan tidak terjadi
Multikolinearitas di dalam penelitian untuk Indonesia karena setiap variabel independen nilai VIF 10.
4.3.3. Uji Heteroskedastisitas
Kriteria yang terdapat dalam uji heteroskedastisitas dapat dilihat dalam Scatterplot hasil SPSS. Apabila titik-titik di Scatterplot menyebar di
atas, di bawah, dan di sekitaran angka nol, maka tidak terjadi heteroskedastisitas, dan apabila titik-titik di Scatterplot membentuk pola
tertentu, tidak menyebar di atas, di bawah, dan di sekitaran angka nol, maka
85
terjadi heteroskedastisitas atau dengan kata lain homoskedastisitas. Berikut hasil Scatterplot dari penelitian ini.
Gambar 4.5a Scatterplot Uji Heteroskedastisitas-Malaysia
86
Gambar 4.5b Scatterplot Uji Heteroskedastisitas-Indonesia
Dari Gambar 4.5a dan 4.5b di atas, terlihat bahwa titik-titik menyebar di atas, bawah, dan sekitaran angka nol sehingga dapat ditarik
kesimpulan bahwa data penelitian tidak mengandung heteroskedastisitas.
4.3.4. Uji Autokorelasi
Uji Autokorelasi merupakan uji untuk menentukan apakah terdapat autokorelasi di dalam data penelitian. Data penelitian yang baik tidak
memiliki autokorelasi di dalamnya. Dalam penelitian ini uji autokorelasi menggunakan uji Durbin-Watson. Ketentuan nilai Durbin-Watson DW
adalah bila DU DW 4-DU maka tidak terjadi autokorelasi. Bila nilai DW DL maka terjadi autokorelasi positif. Bila nilai DW 4DU maka
87
terjadi autokorelasi negatif. Bila DW terletak di antara DU dan DL maka hasilnya tidak dapat disimpulkan. Berikut hasil hasil SPSS yang
menunjukkan apakah data terkena autokorelasi atau tidak.
Tabel 4.5a Uji Autokorelasi – Malaysia
Model R
R Square
Adjusted R Square
Std. Error of
the Estimate
Change Statistics Durbin-
Watson R
Square Change
F Change df1 df2
Sig. F Change
1 ,931
a
,866 ,860 ,324329
,866 141,274 7 153
,000 1,943
a. Predictors: Constant, IFRS_Score, IFRS, RISK, KAP, ARL, KOMPLAU, LNTA b. Dependent Variable: LNFEE
Sumber : Data diolah dengan SPSS 22,0.
Tabel 4.5b Uji Autokorelasi – Indonesia
Model R
R Square
Adjusted R Square
Std. Error of the
Estimate Change Statistics
Durbin- Watson
R Square
Change F
Change df1 df2 Sig. F
Change 1
,912
a
,831 ,819
,671112 ,831
66,095 7 94
,000 1,765
a. Predictors: Constant, IFRS_Score, ARL, IFRS, RISK, KAP, KOMPLAU, LNTA b. Dependent Variable: LNFEE
Sumber : Data diolah dengan SPSS 22,0.
Hasil pengujian pada tabel 4.5a memperlihatkan nilai statistik Durbin - Watson sebesar 1,943 d=1,943. Nilai ini akan dibandingkan
dengan nilai tabel Durbin -Watson dengan nilai signifikansi 5, jumlah sampel adalah 161, jumlah variabel independen adalah 7 k = 7, maka
dalam tabel nilai Durbin – Watson akan diperoleh nilai dl = 1,6526 dan nilai du = 1,8337. Adapun nilai 4-du adalah 2,1663, maka nilai du d 4-du
1,83371,9432,1663. Sehingga tidak terdapat autokorelasi, baik positif maupun negatif dalam penelitian ini di Malaysia.
88
Hasil pengujian pada tabel 4.5b memperlihatkan nilai statistik Durbin - Watson sebesar 1,765 d=1,765. Nilai ini akan dibandingkan
dengan nilai tabel Durbin -Watson dengan nilai signifikansi 5, jumlah sampel adalah 102, jumlah variabel independen adalah 7 k = 7, maka
dalam tabel nilai Durbin – Watson akan diperoleh nilai dl = 1,534 dan nilai du = 1,8261. Adapun hasilnya adalah dl d du 1,5341,82612,1663.
Berdasarkan hal tersebut, dengan uji Durbin – Watson tidak dapat diambil kesimpulan apakah terjadi autokorelasi atau tidak pada penelitian.
Oleh karena uji Durbin – Watson tidak dapat diambil kesimpulan untuk data Indonesia, maka, peneliti melakukan pengujian autokorelasi lain
untuk penelitian ini. Adapun pengujian yang dipakai oleh peneliti adalah Runs Test. Adapun kriteria dari pengujian ini yaitu jika nilai Asymp. Sig. 2-
tailed 0.05 maka tidak terjadi autokorelasi pada penelitian.Berikut hasil SPSS yang menunjukkan apakah penelitian Indonesia terkena autokorelasi
atau tidak dengan Runs Test.
Tabel 4.5c Uji Autokorelasi – Indonesia
Runs Test
Unstandardized Residual
Test Value
a
,04558 Cases Test Value
51 Cases = Test Value
51 Total Cases
102 Number of Runs
45 Z
-1,393 Asymp. Sig. 2-tailed
,164
89
Berdasarkan Tabel Runs Test, nilai Asymp. Sig. 2-tailed nya sebesar 0,164 yang berarti 0,05 sehingga dapat ditarik kesimpulan bahwa
tidak terdapat autokorelasi penelitian Indonesia.
4.4.Analisis Regresi Berganda
Analisis regresi linear berganda digunakan oleh peneliti bila peneliti bermaksud meramalkan bagaimana keadaan naik turunnya variabel dependen
bila dua atau lebih variabel independen sebagai factor predictor dimanipulasi dinaik turunkan nilainya. Hasil analisis regresi linier berganda dalam penelitian
ini adalah sebagai berikut.
Tabel 4.6a Uji Analisis Regresi Linier Berganda - Malaysia
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
15,024 1,235
12,166 ,000
ARL ,001
,002 ,012
,378 ,706
RISK ,440
,170 ,082
2,594 ,010
KOMPLAU ,032
,003 ,481
12,460 ,000
KAP ,208
,055 ,121
3,779 ,000
LNTA ,129
,046 ,177
2,809 ,006
IFRS ,137
,057 ,074
2,414 ,017
IFRS_Score ,113
,023 ,311
4,963 ,000
a. Dependent Variable: LNFEE
Sumber : Data diolah dengan SPSS 22,0.
Berdasarkan Tabel 4.6a, maka dapat dibuat persamaan Regresi Linier Berganda sebagai berikut:
LNFEE= 15,024 + 0,001ARL + 0,440RISK + 0,032KOMPLAU + 0,208KAP + 0,129LNTA + 0,137IFRS + 0,113IFRS_Score + e
90
Interpretasi persamaan di atas sebagai berikut: 1. Konstanta sebesar 15,024menunjukkan bahwa apabila tidak ada variabel
independen Audit Report Lag, Risiko Perusahaan, Kompleksitas Audit, Jenis KAP, Ukuran Perusahaan, IFRS, dan Skor IFRS, maka tingkat audit fees
adalah sebesar 15,024. 2. Koefisien Regresi ARL sebesar 0,001menunjukkan bahwa apabila setiap
penambahan Audit Report Lag 1 satu satuan dengan asumsi variabel bebas lainnya dianggap konstan maka akan menambah Audit Fees perusahaan
sektor Industri di Malaysia sebesar 0,001. 3. Koefisien Regresi RISK sebesar 0,44menunjukkan bahwa apabila setiap
kenaikan Risiko Perusahaan satu satuan dengan asumsi variabel bebas lainnya dianggap konstan maka akan menambah Audit Fees perusahaan
sektor Industri di Malaysia sebesar 0,44. 4. Koefisien Regresi KOMPLAU sebesar 0,032menunjukkan bahwa apabila
setiap kenaikan Kompleksitas Audit satu satuan dengan asumsi variabel bebas lainnya dianggap konstan maka akan manambah Audit Fees perusahaan
sektor Industri di Malaysia sebesar 0,032. 5. Koefisien Regresi KAP sebesar 0,208menunjukkan bahwa apabila setiap
kenaikan KAP 1 satuan dengan asumsi variabel bebas lainnya dianggap konstan maka akan menambah Audit Fees perusahaan sektor Industri di
Malaysia sebesar 0,208. 6. Koefisien Regresi LNTA sebesar 0,129menunjukkan bahwa apabila setiap
kenaikan LNTA 1 satuan dengan asumsi variabel bebas lainnya dianggap
91
konstan maka akan menambah Audit Fees perusahaan sektor Industri di Malaysia sebesar 0,129.
7. Koefisien Regresi IFRS sebesar 0,137menunjukkan bahwa apabila setiap kenaikan IFRS 1 satuan dengan asumsi variabel bebas lainnya dianggap
konstan maka akan menambah Audit Fees perusahaan sektor Industri di Malaysia sebesar 0,137.
8. Koefisien Regresi IFRS_Score sebesar 0,113menunjukkan bahwa apabila setiap kenaikan IFRS_Score 1 satuan dengan asumsi variabel bebas lainnya
dianggap konstan maka akan menambah Audit Fees perusahaan sektor Industri di Malaysia sebesar 0,113.
Tabel 4.6b Uji Analisis Regresi Linier Berganda - Indonesia
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
-2,945 2,076
-1,418 ,159
ARL -,006
,004 -,071
-1,596 ,114
RISK ,901
,347 ,122
2,600 ,011
KOMPLAU ,000479
,008 ,004
,063 ,950
KAP ,384
,164 ,118
2,348 ,021
LNTA ,883
,081 ,881
10,884 ,000
IFRS -,094
,143 -,028
-,658 ,512
IFRS_Score -,034
,067 -,043
-,503 ,616
a. Dependent Variable: LNFEE
Sumber : Data diolah dengan SPSS 22,0. Berdasarkan Tabel 4.6b, maka dapat dibuat persamaan Regresi Linier
Berganda sebagai berikut:
LNFEE= -2,945 – 0,006ARL + 0,901RISK + 0,000479KOMPLAU + 0,384KAP + 0,883LNTA – 0,094FRS – 0,034IFRS_Score + e
92
Interpretasi persamaan di atas sebagai berikut: 1. Konstanta sebesar -2,945menunjukkan bahwa apabila tidak ada variabel
independen Audit Report Lag, Risiko Perusahaan, Kompleksitas Audit, Jenis KAP, Ukuran Perusahaan, IFRS, dan Skor IFRS, maka tingkat audit
fees adalah sebesar -2,945. 2. Koefisien Regresi ARL sebesar 0,006menunjukkan bahwa apabila setiap
penambahan Audit Report Lag 1 satu satuan dengan asumsi variabel bebas lainnya dianggap konstan maka akan mengurangi Audit Fees perusahaan
sektor Industri di Indonesia sebesar 0,006. 3. Koefisien Regresi RISK sebesar 0,901menunjukkan bahwa apabila setiap
kenaikan Risiko Perusahaan 1 satuan dengan asumsi variabel bebas lainnya dianggap konstan maka akan menambah Audit Fees perusahaan
sektor Industri di Indonesia sebesar 0,901. 4. Koefisien Regresi KOMPLAU sebesar 0,000479menunjukkan bahwa
apabila setiap kenaikan Kompleksitas Audit 1 satuan dengan asumsi variabel bebas lainnya dianggap konstan maka akan manambah Audit Fees
perusahaan sektor Industri di Indonesia sebesar 0,000479. 5. Koefisien Regresi KAP sebesar 0,384menunjukkan bahwa apabila setiap
kenaikan KAP 1 satuan dengan asumsi variabel bebas lainnya dianggap konstan maka akan menambah Audit Fees perusahaan sektor Industri di
Indonesia sebesar 0,384. 6. Koefisien Regresi LNTA sebesar 0,883menunjukkan bahwa apabila setiap
kenaikan LNTA 1 satuan dengan asumsi variabel bebas lainnya dianggap
93
konstan maka akan menambah Audit Fees perusahaan sektor Industri di Indonesia sebesar 0,883.
7. Koefisien Regresi IFRS sebesar 0,094menunjukkan bahwa apabila setiap kenaikan IFRS 1 satuan dengan asumsi variabel bebas lainnya dianggap
konstan maka akan mengurangi Audit Fees perusahaan sektor Industri di Indonesia sebesar 0,094.
8. Koefisien Regresi IFRS_Score sebesar 0,034menunjukkan bahwa apabila setiap kenaikan IFRS_Score 1 satuan dengan asumsi variabel bebas
lainnya dianggap konstan maka akan mengurangi Audit Fees perusahaan sektor Industri di Malaysia sebesar 0,034.
4.5.Uji Hipotesis 4.5.1.
Koefisien Determinasi
Nilai koefisien determinasi R
2
ini mencerminkan seberapa besar variasi dari variabel terikat Y dapat diterangkan oleh variabel bebas X. Bila
nilai koefisien determinasi sama dengan 0 R
2
= 0, artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali. Sementara bila R
2
= 1, artinya variasi dari Y secara keseluruhan dapat diterangkan oleh X. Berikut ini hasil
uji koefisien determinasi dalam penelitian ini.
Tabel 4.7a Uji Koefisien Determinasi R
2
-Malaysia
Model R
R Square Adjusted R Square Std. Error of the Estimate
1 ,931
a
,866 ,860
,324329 a. Predictors: Constant, IFRS_Score, IFRS, RISK, KAP, ARL, KOMPLAU, LNTA
b. Dependent Variable: LNFEE
94
Berdasarkan tabel 4.7a di atas ada beberapa hal yang dapat disimpulkan, sebagai berikut:
1. Nilai R sebesar 0,931 yang menunjukkan bahwa korelasi atau hubungan antara Audit Fees perusahaan sektor Industri di Malaysia variabel
dependen dengan Audit Report Lag, Risiko Perusahaan, Kompleksitas Audit, Jenis KAP, Ukuran Perusahaan, IFRS, dan Skor IFRS variabel
independen sangat tinggi yaitu sebesar 93,1 . 2. R Square sebesar 0,866 berarti 86,6 Audit Fees perusahaan sektor
Industri di Malaysia mampu diprediksikan oleh Audit Report Lag, Risiko Perusahaan, Kompleksitas Audit, Jenis KAP, Ukuran Perusahaan, IFRS,
dan Skor IFRS. Sisanya 13,4 oleh variabel lain yang tidak diteliti dalam penelitian ini.
3. Nilai Adjusted R Square atau Koefisien Determinasi adalah 0,860 berarti 86 Audit Fees perusahaan sektor Industri di Malaysia mampu
diprediksikan oleh Audit Report Lag, Risiko Perusahaan, Kompleksitas Audit, Jenis KAP, Ukuran Perusahaan, IFRS, dan Skor IFRS. Sisanya
14 oleh variabel lain yang tidak diteliti dalam penelitian ini. Ada dua pilihan, memakai R Square atau memakai Adjusted R Square.
Apabila jumlah variabel lebih dari dua maka digunakan Adjusted R Square. Sehingga nilai yang digunakan sebagai koefisien determinasi Malaysia
adalah 86.
95
Tabel 4.7b Uji Koefisien Determinasi R
2
-Indonesia
Model R
R Square Adjusted R Square
Std. Error of the Estimate
1 ,912
a
,831 ,819
,671112 a. Predictors: Constant, IFRS_Score, ARL, IFRS, RISK, KAP, KOMPLAU, LNTA
b. Dependent Variable: LNFEE
Berdasarkan tabel 4.7b di atas ada beberapa hal yang dapat disimpulkan, sebagai berikut:
1. Nilai R sebesar 0,912 yang menunjukkan bahwa korelasi atau hubungan antara Audit Fees perusahaan sektor Industri di Malaysia variabel
dependen dengan Audit Report Lag, Risiko Perusahaan, Kompleksitas Audit, Jenis KAP, Ukuran Perusahaan, IFRS, dan Skor IFRS variabel
independen sangat tinggi yaitu sebesar 91,2 . 2. R Square sebesar 0,831 berarti 83,1 Audit Fees perusahaan sektor
Industri di Malaysia mampu diprediksikan oleh Audit Report Lag, Risiko Perusahaan, Kompleksitas Audit, Jenis KAP, Ukuran Perusahaan, IFRS,
dan Skor IFRS. Sisanya 16,9 oleh variabel lain yang tidak diteliti dalam penelitian ini.
3. Nilai Adjusted R Square atau Koefisien Determinasi adalah 0,819 berarti 81,9 Audit Fees perusahaan sektor Industri di Indonesia mampu
diprediksikan oleh Audit Report Lag, Risiko Perusahaan, Kompleksitas Audit, Jenis KAP, Ukuran Perusahaan, IFRS, dan Skor IFRS. Sisanya
18,1 oleh variabel lain yang tidak diteliti dalam penelitian ini. Ada dua pilihan, memakai R Square atau memakai Adjusted R Square.
Apabila jumlah variabel lebih dari dua maka digunakan Adjusted R Square.
96
Sehingga nilai yang digunakan sebagai koefisien determinasi Indonesia adalah 81,9.
4.5.2. Uji F Uji Simultan