Dari jawaban responden dapat dikatakan sangat baik, karena 53,33 responden menjawab laporan yang disajikan dapat memberikan dan menjawab
perbaikan yang diharapkan.
4.4 Analisis Verifikatif
4.1.1 Pengaruh Objektivitas dan Independensi Auditor terhadap Laporan
Audit
Setelah diuraikan gambaran data tanggapan responden, selanjutnya akan diuji pengaruh tekanan ketaatan dan pengalaman auditor terhadap pertimbangan
audit baik secara simultan maupun secara parsial. Pengujian tersebut dilakukan dengan bantuan software SPSS.18, dan untuk lebih jelasnya akan dibahas berikut
ini;
a. Analisis Regresi Linier Berganda
Persamaan regresi linier berganda yang akan dibentuk adalah:
ˆY
= a + b
1
X
1
+ b
2
X
2
ˆY
= nilai taksiran untuk variabel laporan audit a
= konstanta b
i
= koefisien regresi X
1
= independensi X
2
= objektivitas Dengan menggunakan software SPSS, diperoleh hasil analisis regresi
linier berganda sebagai berikut:
Tabel 4.44 Koefisien Regresi Linier Berganda
Coe fficients
a
-3.844 1.880
-2.045 .051
.715 .159
.589 4.501
.000 .434
.145 .391
2.988 .006
Cons tant Objektiv itas
Independensi Model
1 B
Std. Error Unstandardiz ed
Coef f icients Beta
Standardized Coef f icients
t Sig.
Dependent Variable: Laporan A udit a.
Berdasarkan output di atas, diperoleh nilai a sebesar -3,844, nilai b
1
sebesar 0,715 dan b
2
sebesar 0,434. Dengan demikian maka dapat dibentuk
persamaan regresi linier berganda sebagai berikut:
ˆY
= -3,844+ 0,715X
1
+ 0,434X
2
Nilai a dan b
i
dalam persamaan di atas dapat diinterpretasikan sebagai berikut: a = -3,844 artinya:
jika independensi dan objektivitas bernilai 0 persen maka laporan audit akan bernilai -3,844 persen.
b
1
= 0,715 artinya: jika independensi meningkat sebesar satu persen sementara
objektivitas konstan maka laporan audit akan meningkat sebesar 0,715 persen.
b
2
= 0,434 artinya: jika objektivitas meningkat sebesar satu persen sementara
independensi konstan maka maka laporan audit akan meningkat sebesar 0,434 persen.
b.Pengajuan Asumsi Klasik
Sebelum dilakukan pengujian hipotesis menggunakan analisis regressi linier berganda, ada beberapa asumsi yang harus terpenuhi agar kesimpulan dari
regressi tersebut tidak bias, diantaranya adalah uji normalitas, uji multikolinieritas untuk regressi linear berganda, uji heteroskedastisitas dan uji autokorelasi untuk
data yang berbentuk deret waktu. Pada penelitian ini hanya tiga asumsi yang disebutkan diatas diuji, karena data yang digunakan tidak mengandung unsur
timeseries sehingga asumsi autokorelasi tidak diuji.
1 Uji Asumsi Normalitas
Asumsi normalitas merupakan persyaratan yang sangat penting pada pengujian kebermaknaan signifikansi koefisien regressi, apabila model regressi
tidak berdistribusi normal maka kesimpulan dari uji F dan uji t masih meragukan, karena statistik uji F dan uji t pada analisis regressi diturunkan dari distribusi
normal.Untuk menguji normalitas data digunakan pendekatan P-P plot antara expected cumulatif probability dengan observed cumulatif probability, yang
disajikan pada gambar berikut:
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pec
ted C
um P
rob
Dependent Variable: Y Normal P-P Plot of Regression Standardized Residual
Gambar 4.2 Hasil Uji Normalitas Data
Berdasarkan gambar di atas, terlihat titik-titik koordinat antara nilai observasi dengan nilai ekspektasi mengikuti garis diagonal, sehingga dapat disimpulkan
bahwa data memiliki data yang berdistribusi normal.
2Uji Asumsi Multikolinieritas
Multikolinieritas berarti adanya hubungan yang kuat di antara beberapa atau semua variabel bebas pada model regresi.Jika terdapat Multikolinieritas maka
koefisien regresi menjadi tidak tentu, tingkat kesalahannya menjadi sangat besar dan biasanya ditandai dengan nilai koefisien determinasi yang sangat besar tetapi
pada pengujian parsial koefisien regresi, tidak ada ataupun kalau ada sangat sedikit sekali koefisien regresi yang signifikan. Pada penelitian ini digunakan nilai
variance inflation factors VIF sebagai indikator ada tidaknya multikolinieritas diantara variabel bebas.
Tabel 4.45 Uji multikolinearitas
Coe fficients
a
.172 5.807
.172 5.807
Objektiv itas Independensi
Model 1
Toleranc e V IF
Collinearity Statis tics
Dependent Variable: Laporan A udit a.
Berdasarkan output di atas, diketahui nilai VIF semua variabel bebas kurang dari 10, demikian pula nilai tolerance semua variabel bebas 0,10.
Dengan demikian maka dapat disimpulkan tidak terdapat pelanggaran asumsi
adanya multikoliniertas di antara variabel bebas. 3
Uji Asumsi Heteroskedastisitas
Uji ini digunakan untuk mengetahui apakah varian dari residual tidak sama untuk semua pengamatan, yang menyebabkan estimator menjadi tidak efisien dan
nilai koefisien determinasi akan menjadi sangat tinggi. Jika dari suatu pengamatan tersebut terdapat varian yang berbeda, maka disebut heterokedastisitas. Dengan
kata lain pengujian ini dimaksudkan untuk melihat jarak kuadrat titik-titik sebaran terhadap garis regresi. Dalam model regresi diharapkan tidak terjadi adanya
heteroskedastisitas. Menguji heteroskedastisitas dilakukan dengan cara melihat pola titik-titik pada scatter plot regresi. Dasar pengambilan keputusan adalah:
Jika titik-titik yang ada membentuk suatu pola tertentu yang teratur seperti bergelombang, melebar, kemudian menyempit maka terjadi
heterokedastisitas.
Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
1 -1
-2 -3
Regression Standardized Predicted Value
2 1
-1 -2
-3
Re gres
sio n S
tud ent
iz ed
Re sid
ual
Dependent Variable: Y Scatterplot
Gambar 4. Hasil Uji Heteroskedastisitas
Dari hasil uji Heteroskedastisitas menggunakan scatter plot pada regresi, dapat diketahui bahwa pola titik menyebar di atas dan di bawah angka 0 pada
sumbu Y, maka tidak terjadi heterokedastisitas. Setelah ketiga asumsi regressi diuji dan tidak terjadi pelanggaran,
selanjutnya dilakukan pengujian hipotesis, yaitu pengaruh objektivitas dan Independensi Auditor terhadap Laporan Audit.
c. Analisis Korelasi Parsial
