63
BAB IV HASIL DAN PEMBAHASAN
4.1. Gambaran Umum
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan linier berganda. Analisis data
dimulai dengan mengolah data dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian regresi berganda
dengan menggunakan Software SPSS Versi 22. Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan
menghasilkan output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria pemilihan sampel yang telah ditentukan, didapat 19
perusahaan manufaktur yang memenuhi kriteria sampel dan dijadikan sampel dalam penelitian ini selama periode pengamatan 2012-2014 sehingga terdapat 57
sampel dalam penelitian ini.
4.2. Hasil Penelitian 4.2.1. Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum,
sum, range, kuortosis dan skewness kemencengan distribusi Ghozali, 2013:19. Analisis deskriptif dalam tabel 4.3 merupakan analisis deskriptif untuk variabel
bebas fee audit dan variable terikat.
Universitas Sumatera Utara
64
Tabel 4.1 Analisis Statistik Deskriptif Tahun 2012-2014
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation FEE
57 1.061
1.176 1.11100
.027221 DK
57 .00200
.00500 .0034958
.00069650 KA
57 .00500
.01000 .0066314
.00084117 UP
57 1.172
1.240 1.20121
.017195 LEV
57 .122
.800 .40054
.179717 ROA
57 .001
.261 .07551
.063393 KAP
57 .00
1.00 .2807
.45334 IA
57 .00
1.00 .5088
.50437 Valid N listwise
57
Sumber data : Hasil output SPSS diolah, 2016
Tabel 4.1 menunjukkan statistik deskriptif masing-masing variabel penelitian. Berdasarkan Tabel 4.1, hasil analisis dengan menggunakan statistik
deskriptif terhadap variabel independen DK menunjukkan nilai minimum 0,002 dan nilai maksimum 0,005. Sementara nilai rata-rata mean sebesar 0.0034 dan
standar deviasi standard deviation sebesar 0.0006. Nilai rata-rata mean yang lebih besar dibandingkan nilai standar deviasi standard deviation menunjukkan
bahwa data terdistribusi dengan baik. Pada variabel independen KA menunjukkan nilai minimum 0.005 dan nilai maksimum 0.010. Sementara nilai rata-rata mean
sebesar 0.0066 dan standar deviasi standard deviation sebesar 0.0008. Nilai rata-rata mean yang lebih besar dibandingkan nilai standar deviasi standard
deviation menunjukkan bahwa data terdistribusi dengan baik. Pada variabel independen UP menunjukkan nilai minimum 1.172 dan nilai
maksimum 1.240. Sementara nilai rata-rata mean sebesar 1.201 dan standar deviasi standard deviation sebesar 0.017. Nilai rata-rata mean yang lebih besar
Universitas Sumatera Utara
65 dibandingkan nilai standar deviasi standard deviation menunjukkan bahwa data
terdistribusi dengan baik. Pada variabel independen LEV menunjukan nilai minimum 0.122 dan nilai maksimum 0.800. Sementara nilai rata-rata mean
sebesar 0.400 dan standar deviasi standard deviation sebesar 0.179. Nilai rata- rata mean yang lebih besar dibandingkan nilai standar deviasi standard
deviation menunjukkan bahwa data terdistribusi dengan baik. Pada variabel independen ROA menunjukkan nilai minimum 0.001 dan
nilai maksimum 0.261 . Sementara nilai rata-rata mean sebesar 0.075 dan standar deviasi standard deviation sebesar 0.063. Nilai rata-rata mean yang
lebih besar dibandingkan nilai standar deviasi standard deviation menunjukkan bahwa data terdistribusi dengan baik. Pada variabel independen KAP
menunjukkan nilai minimum 0.00 dan nilai maksimum 1.00. Sementara nilai rata- rata mean sebesar 0.280 dan standar deviasi standard deviation sebesar 0.453.
Nilai rata-rata mean yang lebih kecil dibandingkan nilai standar deviasi standard deviation menunjukkan bahwa data tidak terdistribusi dengan baik.
Pada variabel independen IA menunjukkan nilai minimum 0.00 dan nilai maksimum 1.00. Sementara nilai rata-rata mean sebesar 0.508 dan standar
deviasi standard deviation sebesar 0.504. Nilai rata-rata mean yang lebih besar dibandingkan nilai standar deviasi standard deviation menunjukkan bahwa data
terdistribusi dengan baik. Hasil analisis dengan menggunakan statistik deskriptif terhadap variabel
dependen FEE menunjukkan nilai minimum 1.061 dan nilai maksimum sebesar 1.176. Sementara nilai rata-rata mean sebesar 1.111 dan standar deviasi
Universitas Sumatera Utara
66 standard deviation sebesar 0.027. Hal ini menunjukkan bahwa kualitas data dari
penelitian ini baik, karena nilai rata-rata mean lebih besar dari nilai standar deviasi yang mengidentifikasikan bahwa standar error dari setiap variabel kecil.
4.2.2. Asumsi Klasik 4.2.2.1 Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengetahui apakah variabel pengganggu atau variabel residual terdistribusi normal.
Salah satu cara yang digunakan untuk melihat apakah data normal atau tidak adalah melakukan analisis grafik dengan melihat grafik histogram
dan probability plot. Suatu data dikatakan baik apabila data tersebut terdistribusi normal. Pada grafik histogram, data yang mengikuti atau
mendekati distribusi normal adalah distribusi data dengan bentuk lonceng.
Gambar 4.1 Hasil Uji Normalitas Menggunakan Grafik Histogram
Sumber Data: Hasil Output SPSS diolah, 2016
Universitas Sumatera Utara
67 Grafik histogram pada gambar 4.1 menunjukan pola distribusi
normal karena grafik tidak melenceng kiri atau melenceng kanan. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi
normalitas. Selain itu, grafik normal P Plot of Regression Statistic juga dapat digunakan untuk melihat normal tidaknya suatu data. Kondisi
normalitas terjadi apabila titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Hasil uji normalitas pada penelitian ini
dapat dilihat pada gambar berikut. Dari grafik normal P-Plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal. Sehingga dalam penelitian tidak terjadi gangguan normalitas, yang berarti data terdistribusi normal.
Gambar 4.2 Hasil Uji Normalitas Menggunakan Grafik P-Plot
Sumber Data: Hasil Output SPSS diolah, 2016
Universitas Sumatera Utara
68 Berdasarkan Gambar 4.2 dapat dilihat bahwa grafik normal
probability plot of regression standardized menunjukkan pola grafik yang normal. Hal ini terlihat dari titik-titik yang menyebar di sekitar garis
diagonal dan penyebarannya mengikuti garis diagonal diagonal. Maka dapat disimpulkan bahwa model regresi layak dipakai karena memenuhi
asumsi normalitas. Untuk memperkuat pengujian dilakukan pengujian normalitas dengan menggunakan uji One-Sample Klomograv Smirnov.
Tabel 4.2 One-Sample Kolmograv Smirvon test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 57
Normal Parameters
a,b
Mean 1.11100
Std. Deviation .027221
Most Extreme Differences Absolute
.107 Positive
.107 Negative
-.056 Test Statistic
.107 Asymp. Sig. 2-tailed
.163 a. Test distribution is Normal.
b. Calculated from data.
Sumber Data: Hasil Output SPSS diolah, 2016
Dari Tabel 4.2 menunjukkan bahwa besarnya nilai Klomograv Smirnov Z adalah 0,107 dan variabel memiliki nilai probabilitas 0.163.
Dasar pengambilan keputusan untuk pengujian One-Sample Klomograv Smirnov adalah apabila nilai probabilitas untuk nilai residual lebih besar
dari 0.05. Sehingga dapat disimpulkan bahwa variabel dalam penelitian ini terdistribusi secara normal, mendukung pengujian dengan grafik histogram
dan grafik P-plot.
Universitas Sumatera Utara
69
4.2.2 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Uji
multikolinearitas menggunakan nilai tolerance dan Variance Inflation Factor VIF. Batas tolerance adalah 0,10 atau nilai VIF adalah 10. Jika
VIF 10 dan nilai tolerance 0,10, maka terjadi multikolinearitas tinggi antar variable bebas dengan variable bebas lainnya. Berikut adalah hasil
uji multikolinearitas menggunakan SPSS.
Tabel 4.3 Hasil Uji Multikolonieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-.222 .192
DK -3.074
2.847 -.079
.899 1.113
KA -4.885
2.329 -.151
.921 1.086
UP 1.128
.163 .712
.451 2.215
LEV .024
.014 .159
.583 1.716
ROA .116
.042 .271
.501 1.998
KAP .007
.006 .110
.453 2.205
IA .001
.004 .026
.852 1.174
a. Dependent Variable: FEE
Sumber data : Hasil Output SPSS diolah, 2016
Dari Tabel 4.3 Coefficients, hasil perhitungan nilai Tolerance menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance
kurang dari 0,10. Hasil Variance Inflation Factor VIF juga menunjukkan hal yang sama bahwa tidak ada satu variabel independen yang memiliki
nilai VIF lebih dari 10.
Universitas Sumatera Utara
70 Pada variabel DK memiliki nilai tolerance sebesar sebesar 0,899
0,10 dan VIF sebesar 1.113 10. Variabel KA memiliki nilai tolerance sebesar 0.921 0.10 dan VIF sebesar 1.086 10. Variabel UP memiliki
nilai tolerance sebesar 0.451 0.10 dan VIF sebesar 2.215 10. Variabel LEV memiliki nilai tolerance sebesar 0.583 0.10 dan VIF sebesar 1.716
10. Variabel ROA memiliki nilai tolerance sebesar 0.501 0.10 dan VIF sebesar 1.998 10. Variabel KAP memiliki nilai tolerance sebesar
0.453 0.10 dan VIF sebesar 2.205 10. Variabel IA memiliki nilai tolerance sebesar 0.852 0.10 dan VIF sebesar 1.174 10. Dengan
demikian dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.
4.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan
kepengamatan yang lain. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
scatterplot. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas serta titik-titik menyebar maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
71
Gambar 4.3 Grafik Scatterplot
Sumber data: Hasil output SPSS diolah, 2016
Pada Gambar 4.3 dapat dilihat hasil uji heteroskedastisitas menunjukkan bahwa model regresi tidak mengalami gangguan
heteroskedastisitas. Hal ini dapat terlihat dimana titik-titik tersebar tanpa membentuk suatu pola tertentu dan tersebar naik di bawah atau di atas
angka 0 pada sumbu Y.
4.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 sebelumnya. Hasil
Universitas Sumatera Utara
72 pengujian autokorelasi yang dilakukan dengan tabel Durbin Watson dilihat
pada tabel 4.3 berikut:
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .875
a
.766 .733
.014069 1.872
a. Predictors: Constant, IA, KAP, KA, DK, LEV, ROA, UP b. Dependent Variable: FEE
Sumber data : Hasil Output SPSS diolah, 2016
Hasil pengujian Tabel 4.4 menunjukkan bahwa nilai D-W Durbin Watson sebesar 1.872. Nilai ini akan dibandingkan dengan nilai tabel Durbin-
Watson, dimana nilai batas bawah Durbin-Watson dl sebesar 1.3111, nilai batas atas Durbin-Watson du sebesar 1.8562 dengan jumlah sampel n sebanyak 57
dan jumlah variabel independen k sebanyak 7 variabel. Sesuai dengan kriteria pengambilan keputusan Durbin-Watson du d 4-du = 1.8562 1.872 2.128,
maka model regresi pada penelitian ini tidak terjadi autokorelasi.
4.3 Hasil Pengujian Hipotesis
Kategori