digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas Data
Pengujian normalitas data dapat dilakukan secara kasat mata yaitu dapat dilihat pada grafis histogram dan grafik PP Plots. Suatu data akan berdistribusi
normal jika grafik histogram menyerupai bel yang menghadap ke atas. Hal ini bisa dilihat dalam tampilan grafik berikut ini :
Gambar 4.1 Uji Normalitas 1 : Histogram Sebelum Transformasi
Sumber : Hasil Pengolahan SPSS 2015
Pada Gambar 4.1 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke
kiri atau ke kanan.
Gambar 4.2 Uji Normalitas 2 : Grafik Normalitas PP Plot Sebelumnya Transformasi
Sumber : Hasil Pengolahan SPSS 2015
Pada Gambar 4.2 Normal P-P Plot terlihat titik-titik yang mengikuti data disepanjang garis normal, hal ini berarti residual data berdistribusi normal.
Tabel 4.2 Uji Kolmogrov-Smirnov Sebelum Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,b
Mean .0000000
Std. Deviation 11.37889483
Most Extreme Differences Absolute
.153 Positive
.069 Negative
-.153 Kolmogorov-Smirnov Z
1.058 Asymp. Sig. 2-tailed
.213 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 2015
Pada Tabel 4.2 terlihat bahwa nilai Asymp.sig 2-tailed adalah 0,213 dan nilai signifikan 0,05, karena nilai Asymp.sig 2-tailed diatas 0,05 yaitu 0,213
hal ini berarti menunjukan bahwa residual data berdisribusi normal.
4.3.2 Uji Multikolinearitas
Untuk melihat ada tidaknya gejala multikolinearitas, peneliti melihat besaran korelasi antara variabel independen dan besarnya tingkat kolinearitas
yang masih dapat ditolerir yaitu : tolerance 0,1 dan VIF Variance Inflation Factor 5. Uji multikolinearitas dengan melihat nilai tolerance dan VIF
menunjukkan hasil seperti pada tabel 4.3 berikut :
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
117.859 28.128 4.190 .000
Kualitas_auditor -8.021
4.077 -.263 -1.967 .056
.879 1.138
Jenis_opini_audit -6.724
3.957 -.220 -1.699 .097
.933 1.072
Log_ukuran_perusahaan -2.199
.863 -.361 -2.548 .015
.782 1.279
Jumlah_komite_audit 7.152
7.043 .142
1.015 .316 .797
1.255 Kompleksitas_operasi_p
erusahaan 11.991
3.873 .400
3.096 .003 .937
1.068 a. Dependent Variable: Audit_delay
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 Kualitas auditor
memiliki nilai tolerance 0,879; Jenis opini auditor memiliki nilai tolerance 0,933; Ukuran perusahaan memiliki nilai tolerance 0,782; Jumlah komite audit memiliki
nilai tolerance 0,797; Kompleksitas operasi perusahaan memiliki nilai tolerance 0,937. Jika dilihat dari VIF, masing-masing variabel independen lebih kecil dari 5
yaitu Kualitas auditor memiliki VIF 1,138; Jenis opini auditor memiliki VIF 1,072; Ukuran perusahaan memiliki VIF 1,279; Jumlah komite audit memiliki
VIF 1,255; Kompleksitas operasi perusahaan memiliki VIF 1,068. Kesimpulan yang diperoleh adalah tidak terjadi gejala multikolinearitas dalam variabel
independennya.
4.3.3 Uji Heteroskedastisitas