30
3.7. Teknik Analisis Data
Dalam melakukan analisis data digunakan metode deskriptif kuantitatif, yaitu dengan mengumpulkan, mengolah dan menginterpretasikan hasil yang
diperoleh. Teknik yang digunakan dalam penelitian ini adalah teknik analisis statistik, yaitu uji asumsi klasik, pengujian hipotesis, analisis regresi berganda dan
analisis regresi dengan variabel moderator.
3.7.1. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis dan uji analisis regresi linear berganda, maka hal yang pertama dilakukan adalah uji asumsi
klasik, yang bertujuan untuk mendapatkan nilai estimasi yang diperoleh bersifat BLUE Best, Linear, Unbiased, and Estimator, yang artinya nilai
estimator yang terbaik, estimator yang linear, dan estimator yang tidak bias, maka data-data yang digunakan dalam analisis regresi terlebih dahulu
akan diuji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas Tujuan uji normalitas adalah untuk mengetahui apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data.
Jika data normal, maka digunakan statistik parametrik, dan jika data tidak normal maka digunakan statistik nonparametrik atau lakukan
treatment agar data normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Untuk melihat normalitas
Universitas Sumatera Utara
31 dapat dilakukan dengan melihat histogram atau pola distribusi data
normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram
dari nilai residualnya. Dasar pengambilan keputusannya adalah: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau garis histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Dalam
penelitian ini
Peneliti menggunakan
uji Kolmogorov-
Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat dengan membuat hipotesis:
H0 : data residual berdistribusi normal, Ha : data residual tidak berdistribusi normal.
b. Uji Multikolinieritas Menurut Ghozali 2009:91, uji ini bertujuan untuk menguji apakah
model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel independen. Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya.
Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
Universitas Sumatera Utara
32 a. Koefisien-koefisien regresi menjadi tidak dapat ditaksir,
b. Nilai standar error setiap koefisien regresi menjadi tak terhingga. Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai
tolerance dan variance inflation factor VIF, serta dengan menganalisis matriks korelasi variabel-variabel independen. Nilai cut
off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai tolerance0,1 atau sama dengan nilai VIF10, maka
model dapat dikatakan terbebas dari multikolinearitas. c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu
pengamatan dengan pengamatan yang lain. Menurut Ghozali
2009:125 Model regresi yang baik adalah yang homoskesdatisitas atau tidak terjadi heteroskedastisitas. Cara memprediksi ada tidaknya
heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot. Analisis pada gambar Scatterplot yang menyatakan
model regresi berganda tidak terdapat heteroskedastisitas jika: a. Titik-titik data menyebar di atas, di bawah atau di sekitar angka
nol, b. Titik-titik data tidak mengumpul hanya di atas atau dibawah,
c. Penyebaran titik-titik
data tidak
boleh membentuk
pola bergelombang
melebar kemudian
menyempit dan
melebar kembali,
Universitas Sumatera Utara
33 d. Penyebaran titik-titik data sebaiknya tidak berpola.
d. Uji Autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model regresi
linear terdapat korelasi atau kesalahan pengganggu pada periode t dengan kesalahan periode t-1. Jika terjadi autokorelasi, maka
terdapat problem
autokorelasi. Menurut
Ghozali 2009:99,
autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan
pada data time series. Pada data cross section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian untuk
mendeteksi ada tidaknya autokorelasi adalah dengan menggunakan uji Durbin-Watson DW. Kriteria untuk penilaian terjadinya
autokorelasi yaitu: a. Nilai D-W lebih kecil dari -2 berarti ada korelasi positif,
b. Nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, c. Nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif.
3.7.2.Pengujian Hipotesis
a. Uji Statistik F Uji Simultan Menurut Ghozali 2009:88 pengujian hipotesis distribusi F pada
model regresi berganda dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Rumusan hipotesis
yang diuji adalah sebagai berikut:
Universitas Sumatera Utara
34 Terima H
tolak H
a
bila F
hitung
≤ F
tabel
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang
signifikan secara serentak dari variabel bebas terhadap variabel terikat, tolak H
terima H
a
bila F
hitung
F
tabel
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan
secara serentak dari variabel bebas terhadap variabel terikat. b. Uji Statistik t Uji Parsial
Menurut Ghozali 2009:88 uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam
menerangkan variasi variabel terikat. Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual.
Rumusan Hipotesis yang akan diuji adalah sebagai berikut: H
diterima bila t
tabel
t
hitung
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang signifikan dari
variabel bebas secara parsial terhadap variabel terikat, H
a
diterima bila t
hitung
t
tabel
,atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan dari variabel
bebas secara parsial terhadap variabel terikat. c. Pengujian Koefisien Determinan R
2
Menurut Ghozali 2009: 87 pengujian koefisien determinan dilakukan untuk melihat seberapa besar pengaruh variabel bebas terhadap
variabel terikat. Pengujian ini dilakukan dengan melihat nilai koefisien
determinan. Koefisien determinan R
2
merupakan besaran non negatif dan
Universitas Sumatera Utara
35 besarny
a koefisien determinasi adalah 0≤R2≤1. Jika koefisien determinan bernilai 0, maka tidak ada hubungan antara variabel bebas
dengan variabel terikat. Sebaliknya jika koefisien determinan bernilai 1, maka ada keterikatan sempurna antara variabel bebas dengan variabel
terikat. Uji Determinasi, untuk melihat besarnya kontribusi pengaruh variabel bebas dan variabel terikat dapat dihitung dengan rumus:
D = r
2
x 100 . 3.7.3. Analisis Regresi Linear Berganda
Analisis regresi
linier berganda
digunakan dengan maksud meramalkan bagaimana keadaan naik-turunnya variabel dependen bila
dua atau lebih variabel independen dimanipulasi Sugiyono, 2006:210. Analisis ini menggunakan teknik analisis statistik SPSS dengan metode
analisis regresi linear berganda.Dalam model ini dinyatakan laporan audit wajar tanpa pengecualian dan audit report lag berpengaruh terhadap harga
saham. Pengujian terhadap model tersebut dengan mengidentifikasi nilai dan probabilitas b1 adalah sebagai berikut:
Y = a + b1X
1
+ b
2
X
2
e Dimana:
Y = Audit Delay
X
1
= Profitabilitas X
2
= Umur Perusahaan a
= Konstanta b
= Koefisien regresi e
= Standard Error
Universitas Sumatera Utara
36
3.7.4. Analisis Regresi dengan Variabel Moderating