Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
2.591 2.087
1.241 .220 Log_Ukuran_perusahaan
.617 .091
.648 6.755 .000 .751 1.332
Karakteristik_audit 1.000
.410 .235 2.440 .018
.748 1.336 Jenis_opini_audit
-.119 .418
-.025 -.286 .776
.920 1.087 a. Dependent Variable: Log_Biaya_audit
Sumber : Hasil Pengolahan SPSS 2015
Tabel 4.3 menunjukkan bahwa penelitian ini bebas dari adanya gejala multikolinearitas. Hal ini dapat dilihat dengan membandingkan nilai tolerance dan
VIF. Masing-masing variabel independen yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,1. Untuk ukuran perusahaan
memiliki nilai tolerance 0,751; karakteristik auditor memiliki nilai tolerance 0,748; jenis opini audit memiliki nilai tolerance 0,920. Jika dilihat dari VIF,
masing-masing variabel independen lebih kecil dari 5 yaitu ukuran perusahaan 1,332; karakterisitk auditor memiliki VIF 1,336; jenis opini audit memiliki VIF
1,087. Kesimpulan yang diperoleh adalah tidak terjadi gejala multikolinearitas dalam variabel independennya.
4.3.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan lain. Pengujian heteroskedastisitas pada penelitian ini menggunakan dasar dari analisis sebagai berikut :
1. Jika ada pola tertentu, seperti titik-titik yang ada akan membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka mengindikasikan tidak terjadi heteroskedastisitas.
Hasil dari uji heteroskedastisitas dapat ditunjukkan pada gambar 4.3 berikut ini :
Gambar 4.3 Grafik
Scatterplot Sumber : Diolah denegan SPSS 2015
Dari grafik scatterplot pada gambar 4.3 diatas terlihat bahwa titik-titik menyebar secara acak baik diatas maupun di bawah angka 0 pada sumbu Y tidak
membentuk pola tertentu atau tidak teratur. Titik-titik yang menyebar menjauh
dari titik-titik yang lain mengindikasikan bahwa adanya data observasi yang sangat berbeda dengan data penelitian lainnya. Maka dapat disimpulkan bahwa
tidak terjadi heteroskedastisitas pada model regresi ini sehingga model ini layak untuk digunakan untuk melihat pengaruh ukuran perusahaan, karakteristik audit
dan jenis opini audit terhadap biaya audit pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
4.3.4 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan
penganggu periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Adanya autokorelasi
dapat diuji dengan menggunakan Uji Durbin-Watson, dengan kriteria sebagai berikut :
1. Angka D-W di bawah -2 berarti ada ditemukan autokorelasi positif 2. Angka D-W di antara -2 sampai +2, berarti tidak ada ditemukan autokorelasi
3. Angka D-W di atas +2 berarti ada ditemukan autokorelasi negative
Hasil uji autokorelasi dapat dilihat pada Tabel 4.4 sebagai berikut :
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .783
a
.613 .592
1.37213 1.904 a. Predictors: Constant, Jenis_opini_audit, Log_Ukuran_perusahaan, Karakteristik_audit
b. Dependent Variable: Log_Biaya_audit
Sumber : Diolah dengan SPSS 2015 Berdasarkan Tabel 4.4 diatas, hasil uji autokorelasi maka dapat dibuat
keputusan dengan persamaan : du d 4-du
1,6889 1,904 2,906 Dari angka persamaan tersebut maka dapat disimpulkan bahwa tidak
terdapat adanya autokorelasi positif atau negatif.
4.4 Pengujian Hipotesis
