Jenis, Sumber dan Metode Pengumpulan Data Skala pengukuran variabel Data Penelitian

Perusahaan yang Menjadi Sampel Penelitian 19 ENRG Energi Mega Persada Tbk √ √ √ X - 20 ESSA Surya Esa Perkasa Tbk √ X X X - 21 GEMS Golden Energy Mines Tbk √ √ √ √ 8 22 GTBO Garda Tujuh Buana Tbk √ √ √ X - 23 HRUM Harum Energy Tbk √ √ √ X - 24 ITMG Indo Tambang Raya Megah Tbk √ √ √ X - 25 INCO Vale Indonesia Tbk √ √ √ X - 26 KKGI Resources Alam Indonesia Tbk √ √ √ X - 27 MEDC Medco Energi Internasional Tbk √ √ √ X - 22 GTBO Garda Tujuh Buana Tbk √ √ √ X - 28 MYOH Samindo Resources Tbk √ √ √ √ 9 29 MITI Mitra Investindo Tbk √ √ √ √ 10 30 PSAB J Resources Asia Pasific Tbk √ √ √ X - 31 PTBA Tambang Batubara Bukit Asam Tbk √ √ √ √ 11 28 MYOH Samindo Resources Tbk √ √ √ √ 9 32 PTRO Petrosea Tbk √ √ √ X - 33 PKPK Perdana Karya Perkasa Tbk √ √ √ √ 12 34 RUIS Radiant Utama Interinsco Tbk √ √ √ √ 13 32 PTRO Petrosea Tbk √ √ √ X - 35 SMRU SMR Utama Tbk √ √ √ √ 14 36 SMMT Golden Eagle Energy Tbk √ √ √ √ 15 37 TINS Timah Persero Tbk √ √ √ √ 16 38 TOBA Toba Bara Sejahtera Tbk √ X X X - Sumber: Bursa Efek Indonesia

3.3 Jenis, Sumber dan Metode Pengumpulan Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder atau berupa data kuantitatif dengan sumber data dari laporan keuangan yang telah diaudit oleh masing-masing perusahaan yang terdaftar di Bursa Efek Indonesia. Sumber data diperoleh dari hasil publikasi Bursa Efek Indonesia mengenai laporan auditor independen dan laporan keuangan perusahaan yang telah diaudit. Pada penelitian ini metode pengumpulan data yang digunakan adalah dengan analisis regresi linier berganda, yaitu suatu metode statistik yang umum digunakan untuk meneliti hubungan antara sebuah variabel dependen dengan beberapa variabel independen. Adapun model regresi yang digunakan adalah sebagai berikut : i. Y = β0 + β1TENUR + β2REPU + ε Keterangan : Y = Kualitas Audit β0 = Konstanta TENUR = Audit Tenure REPU = Reputasi KAP ε = Standar Eror ii. Y = a+ b1TENURE+ KA+ TENUR KA + ε Keterangan: Y = Kualitas Audit TENUR = Audit Tenure KA = Komite Audit UK REP = Hubungan audit tenure dengan Komite audit ε = Standar Eror

3.4 Defenisi Operasional dan Pengukuran Variabel

Definisi operasional sendiri merupakan pelekatan arti pada suatu variabel dengan cara menetapkan kegiatan atau tindakan yang digunakan untuk mengukur variabel tersebut. Variabel sendiri dapat diartikan sebagai sesuatu yang digunakan sebagai ciri, sifat, atau ukuran yang didapatkan oleh satuan penelitian tentang suatu konsep. Variabel yang digunakan dalam penelitian ini adalah sebagai berikut:

3.3.1 Variabel Dependen

Variabel terikat dependent variable, meurpakan variabel yang dipengaruhi atau menjadi akibat, karna adanya variabel bebas Sugiyono, 2004: 33. Variabel dependen dalam penelitian ini adalah kualitas audit, dimana variabel dependen disimbolkan dengan “Y”. Dalam penelitian ini kualitas audit diukur dengan menggunakan akrual lancar current accual sesuai dengan yang digunakan oleh Nuratama 2011 dan Giri 2010 yang dihitung dengan menggunakan rumus sebagai berikut. AKRUALLANCAR = ΔAL-ΔKAS- ΔLL-ΔLJP ………………… 1 Keterangan: ΔAL = Perubahan asset lancar ΔKAS = Perubahan kas dan ekuivalen kas ΔLL = Perubahan liabilitas lancar ΔLJP = Perubahan dalam utang wesel jangka pendek dan utang jangka panjang yang akan jatuh tempo

3.3.2 Variabel Independen

Variabel bebas independen variabel merupakan yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen terikat Sugiyono, 2004: 33. Variabel independen yang digunakan dalam penelitian ini adalah: 1. Audit Tenure X1 Audit tenure diartikan sebagai periode keterikatan antara kantor akuntan publik dengan klien. Untuk mengukur variabel periode keterikatan kantor akuntan publik dengan klien, dihitung dengan menjumlah total panjang masa perikatan audit sebelum auditor berpindah Astria 2011. Variabel audit tenure dalam penelitian ini menggunakan skala interval sesuai dengan lama hubungan KAP dengan perusahaan. Tahun pertama perikatan dimulai dengan angka 1 dan ditambah dengan satu untuk tahun-tahun berikutnya. Jika ada perubahan afiliasi, maka perhitungan audit tenure akan dimulai dari awal. 2. Reputasi KAP X2 Kantor Akuntan Publik yang memiliki nama besar dianggap sebagai penyedia kualitas audit tinggi dan memiliki reputasi tinggi di lingkungan bisnis mereka. KAP Kantor Akuntan Publik besar seperti big 4 biasanya dianggap lebih mampu mempertahankan independensi auditor daripada KAP kecil karena mereka menyediakan berbagai layanan untuk klien dalam jumlah yang besar sehingga mengurangi ketergantungan mereka pada klien tertentu. Reputasi KAP dalam penelitian ini merupakan perbedaan besar kecilnya KAP. Variabel reputasi KAP ini menggunakan variabel dummy. Jika perusahaan klien diaudit oleh KAP besar big 4, maka akan diberikan nilai 1,tetapi jika perusahaan klien diaudit oleh KAP kecil non Big 4, maka akan diberikan nilai 0. Berikut adalah KAP yang termasuk dalam KAP Big four di Indonesia: 1. Osman Bing Satrio Eny berafiliasi dengan Deloitte Touche Tohmatsu Deloitte. 2. Purwantono, Suherman Surja berafiliasi dengan Ernst Young EY. 3. Siddharta Widjaja berafiliasi dengan Klynveld Peat Marwick Goerdeler KPMG. 4. Tanudiredja, Wibisana Rekan berafiliasi dengan Pricewaterhouse PwC.

3.3.3 Variabel Moderasi

Variabel Moderasi adalah variabel independen yang memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen Ghozhali, 2005: 163. Variabel moderasi dalam penelitian ini adalah komite audit. Dalam penelitian ini komite audit digunakan sebagai variabel moderasi yang memoderasi antara audit tenure terhadap kualitas audit. Komite audit dalam penelitian ini diukur dengan persentase keberadaan komite audit, sesuai dengan pengukuran yang dilakukan Nuratama 2011. Persentase keberadaan komite audit yang diukur dengan membandingkan jumlah komite audit dengan jumlah komisaris mereflesikan ukuran komite audit yang mewakili dan membantu dewan komisaris dalam melakukan pengawasan terutama mengenai pelaporan keuangan kepada manajemen sesuai dengan fungsi dan tugas komite audit. Rumus untuk menentukan persentase keberadaan komite audit adalah sebagai berikut: Persentase keberadaan komite audit = Jumlah komite audit Jumlah komisaris

3.5 Skala pengukuran variabel

Tabel 3.3 Operasional Variabel Penelitian No. Variabel yang diukur Jenis Variabel Indikator Skala Pengukuran 1. Audit Tenure Independen Jumlah tahun perikatan kerja antara kantor akuntan publik dengan perusahaan klien sebelum auditor berpindah Interval 2 Reputasi Audit Independen Variabel dummy,Kantor Akuntan Publik Big Four atau Kantor Akuntan Publik non Big Four Nominal 3 Komite Audit Independen Persentase Komite audit diukur dengan membandingkan jumlah komite audit dengan jumlah komisaris Rasio 4 Kualitas Audit Dependen Diukur dengan menggunakan akrual lancar Rasio

3.6 Teknik Analisis Data

Seluruh data yang telah terkumpul selanjutnya akan dianalisis sehingga dapat memberikan jawaban atas permasalahan yang dibahas dalam penelitian ini. Metode analisis data yang dipergunakan dalam penelitian ini adalah metode analisis statistik.

3.6.1 Analisis Statistik Deskriptif

Statistik deskriptif memberikan gambaran suatu data yang tercermin dari nilai rata-rata mean, Standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, san skewness kemencengan distribusi, sehingga secara kontekstual dapat lebih mudah dimengerti.

3.6.2 Uji Asumsi Klasik

Untuk mengetahui model regresi yang digunakan dalam penelitian ini layak atau tidak untuk digunakan sehingga perlu dilakukan uji asumsi klasik. Uji asumsi klasik yang digunakan adalah Uji Normalitas, Uji Heteroskedastisitas, dan Uji Multikolinearitas, uji Autokorelasi.

3.6.2.1 Uji Normalitas

Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang baik memiliki distribusi data yang normal atau mendekati normal Ghozali, 2005:110. Pengujian normalitas ini dapat dilakukan melalui : 1. Analisis Grafik Salah satu cara termudah untuk melihat normal residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Namun demikian, dengan hanya melihat histogram dapat membingungkan, khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika disribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Dasar pengambilan keputusan dari analisis normal probability plot adalah sebagai berikut: a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka menunjukkan pola distribusi normal. Model regresi memenuhi asumsi normalitas. b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal serta tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normal. 2. Analisis Statistik Untuk mendeteksi normalitas data, dapat pula dilakukan melalui analisis statistik Kolmogorov-Smirnov Test K-S. Uji K-S dilakukan dengan membuat hipotesis : H0 = Data residual terdistribusi normal. H1 =Data residual tidak terdistribusi normal. Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut : a. Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal. b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik maka H0 diterima, yang berarti data terdistribusi normal

3.6.2.2 Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi korelasi. Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi korelasi. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari Tolerance Value atau Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan variabel independen manakah yang dijelaskan oleh variabel independen lainnya. tolerance mengukur variabilitas variable independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi. Nilai cut-off yang umum adalah: 1. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variable independen dalam model regresi. 2. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapa disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi

3.6.2.3 Uji Heterokedastisitas

Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heterokedastisitas dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Sumbu Y menjadi sumbu yang telah diprediksi dan sumbu X adalah residual Y prediksi-Y sesungguhnya yang telah di studentized. Deteksi ada tidaknya heterokedastisitas dapat dilakukan sebagai berikut Ghozali, 2005: a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, mengidentifikasikan telah terjadi heterokedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.

3.6.2.4 Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 sebelumnya. Apabila terjadi korelasi, kemungkinan terdapat masalah autokorelasi. Menurut Ghozali 2005:95 autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi yang lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena “gangguan” pada seorang individukelompok cenderung mempengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi ada tidaknya autokorelasi,maka dilakukan pengujian Durbin-Watson DW. Model dikatakan bebas dari autokorelasi jika nilai dw lebih dari nilai du pada tabel.

3.6.3 Pengujian Hipotesis

Penelitian ini menggunakan model regresi linier berganda, yakni model regresi yang memiliki lebih dari satu variabel independen.

3.6.3.1 Uji Regresi Parsial Uji Statistik t

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen terhadap variabel dependen Ghozali, 2005:95. Cara pengujian parsial terhadap variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut : 1. Jika nilai signifikansi t dari masing-masing variabel yang diperoleh dari pengujian lebih kecil dari nilai signifikansi yang dipergunakan yaitu sebesar 5 persen maka secara parsial variabel independen berpengaruh terhadap variabel dependen. 2. Jika nilai signifikansi t dari masing-masing variabel yang diperoleh dari pengujian lebih besar dari nilai signifikansi yang dipergunakan yaitu sebesar 5 maka secara parsial variabel independen tidak berpengaruh terhadap variabel dependen.

3.6.3.2 Uji Hipotesis Analisis Simultan Uji F

Uji signifikansi simultan uji statistik F digunakan untuk mengetahui apakah variabel independen secara bersama-sama atau simultan mempengaruhi variabel dependen Ghozali, 2013:98. Cara pengujian simultan terhadap variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut: 1. Jika tingkat signifikansi F yang diperoleh dari hasil pengolahan nilainya lebih kecil dari nilai signifikansi yang digunakan yaitu sebesar 5 persen maka dapat disimpulkan bahwa semua variabel independen secara simultan berpengaruh terhadap variabel dependen. 2. Jika tingkat signifikansi F yang diperoleh dari hasil pengolahan nilainya lebih besar dari nilai signifikansi yang digunakan yaitu sebesar 5 persen maka dapat disimpulkan bahwa semua variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.

3.6.3.3 Koefisien Determinasi

Koefisien determinasi digunakan untuk mengukur seberapa besar kemampuan model dalam menerangkanvariabilitas variabel independen variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan 1. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2005 : 83.

3.6.3.4 Uji Hipotesis dengan menggunakan variabel pemoderasi

Untuk menentukan hipotesis variabel moderasi dalam penelitian ini menggunakan metode Moderated Regression Analysis. menurut Ghozali 2005 : 160, metode ini menggunakan pendekatan analitik yang mempertahankan integritas sampel dan memberikan dasar untuk mengontrol pengaruh variabel moderator. Untuk menggunakan MRA dengan satu variabel prediktor X, maka kita harus membandingkan tiga persamaan regresi untuk menentukan jenis variabel moderator. Ketiga persamaan tersebut adalah: 1. Yi= α + β1Xi + ε 2. Yi= α + β1Xi + β2Zi + ε 3. Yi= α + β1Xi + β2Zi + β3XiZi + ε Jika persamaan 2 dan 3 tidak berbeda secara sig nifikan atau β3= 0; β2 ≠0 maka Z bukan lah variabel moderator, tetapi sebagai variabel prediktor independen. Jika persamaan 1 dan 2 tidak berbeda maka variabel Z merupakan pure moderator tetapi harus berbeda dengan persamaan 3 atau β2 =0; β3 ≠0. Jika persamaan 1,2 dan 3 berbeda satu sama lainnya maka variabel Z merupakan variabel quasi moderator.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Langkah awal analisis data dimulai dengan input atau entry data yang berupa angka yang terdapat dalam laporan keuangan yang dibutuhkan dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan pengujian regresi berganda dilakukan dengan menggunakan software SPSS Statistical Package for Social Science. Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Penelitian ini menggunakan perusahaan yang terdaftar di Bursa Efek Indonesia sebagai sampel penelitian. Berdasarkan kriteria sampel, terdapat 16 perusahaan setiap tahun dengan jumlah tahun pengamatan 4 tahun sehingga jumlah sampel 64 data. Data yang digunakan diperoleh dari laporan keuangan dan laporan auditor independen yang diterbitkan oleh Bursa Efek Indonesia.

4.2 Analisis Hasil Penelitian