53
Berdasarkan hasil uji asumsi klasik dengan alat bantu komputer yang menggunakan Program SPSS. 16.0 For Windows. diperoleh hasil
sebagai berikut
1. Autokorelasi
Dalam penelitian ini data yang digunakan bukan data time
series, sehingga untuk Uji Autokorelasi tidak dilakukan Gujarati, 1999 : 201.
2. Multikolinieritas
Salah satu cara untuk mengetahui adanya multikoliniaritas adalah dengan melihat nilai VIF Variance Inflation Factor.
Dasar analisis yang digunakan yaitu jika nilai VIF Variance Inflation Factor 10, maka hal ini berarti dalam persamaan regresi
tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas Ghozali, 2002 : 57-59
Berdasarkan hasil Uji Multikolinieritas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0., dapat dilihat pada
tabel 4.8, sebagai berikut
Tabel 4.8. Hasil Uji Multkolinieritas
Variabel VIF Keterangan
Keahlian Audit X
1
1,059 Bebas Multikolinieritas
Independensi X
2
1,187 Bebas
Multikolinieritas Kompetensi X
3
1,242 Bebas Multikolinieritas
Sumber : Lampiran 10
Berdasarkan pada tabel 4.8 di atas menunjukkan bahwa seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2,
dan X
3
mempunyai nilai VIF Variance Inflation Factor lebih kecil
54
dari 10, dan sesuai dengan dasar analisis yang digunakan, hal ini berarti bahwa dalam persamaan regresi tidak ditemukan adanya
korelasi antar variabel bebas atau bebas Multikolinieritas.
3. Heteroskedastisitas
Salah satu cara untuk mendeteksi ada atau tidak adanya heteroskedastisitas adalah dengan uji korelasi rank spearman
Dasar analisis yang digunakan yaitu jika nilai Sig 2-tailed 0,05, maka hal ini berarti dalam model regresi tidak terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya atau bebas Heteroskedastisitas Santoso, 2001 : 161
Berdasarkan hasil Uji Heteroskedastisitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0., dapat dilihat pada
tabel 4.9, sebagai berikut
Tabel 4.9. Hasil Uji Heteroskedastisitas :
Variabel
Probabilitas Sig 2 - tailed
Keterangan
Keahlian Audit X
1
0,600 Bebas Heteroskedastisitas
Independensi X
2
0,537 Bebas Heteroskedastisitas
Kompetensi X
3
0,979 Bebas Heteroskedastisitas
Sumber : Lampiran 11
Berdasarkan pada tabel 4.9 di atas menunjukkan bahwa seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2,
dan X
3
, mempunyai nilai Sig 2-tailed lebih besar dari 0,05, dan sesuai dengan dasar analisis yang digunakan, hal ini berarti bahwa
dalam model regresi tidak terjadi ketidaksamaan variance dari residual
55
satu pengamatan ke pengamatan lainnya atau bebas Heteroskedastisitas.
Setelah dilakukan Uji Asumsi Klasik tersebut di atas, maka dapat disimpulkan bahwa model persamaan regresi linier dalam penelitian ini,
bebas dari asumsi dasar klasik tersebut, sehingga pengambilan keputusan melalui uji F dan uji t yang akan dilakukan dalam penelitian ini tidak akan
bias atau sesuai dengan tujuan penelitian.
4.3.3. Teknik Analisis Regresi Linier Berganda
Berdasarkan hasil dari hasil olah data dengan alat bantu komputer yang menggunakan program SPSS.16.0, dapat dilihat pada tabel 4.10,
sebagai berikut
Tabel 4.10. Hasil Pendugaan Parameter Regresi Linier Berganda
Unstandardized Coefficients Model
B Std. Error
Constant 3,865
1,500 Keahlian Audit X
1
0,208 0,049
Independensi X
2
0,323 0,071
1
Kompetensi X
3
-0,300 0,060
Sumber : Lampiran. 10
Berdasarkan pada 4.10. di atas dapat diperoleh model persamaan regresi sebagai berikut :
Y = 3,865 + 0,208 X
1
+ 0,323 X
2
- 0,300 X
3
Dari model persamaan regresi linier tersebut di atas, dapat diinterprestasikan, sebagai berikut :
Konstanta β
56
Nilai konstanta β
sebesar 3,865 menunjukkan bahwa, apabila
variabel keahlian audit, independensi, dan kompetensi konstan maka besarnya nilai kualitas audit yaitu sebesar 3,865 satuan
Koefisien β
1
Untuk Variabel Keahlian Audit X
1
Besarnya nilai koefisien regresi β
1
sebesar 0,208, nilai β
1
yang positif menunjukkan adanya hubungan yang searah antara kualitas audit Y
dengan keahlian audit X
1
yang artinya jika keahlian audit X
1
naik sebesar satu satuan, maka besarnya nilai kualitas audit Y akan naik
sebesar 0,208 satuan dengan asumsi bahwa variabel bebas lainnya bersifat konstan.
Koefisien β
2
Untuk Variabel Independensi X
2
Besarnya nilai koefisien regresi β
2
sebesar 0,323, nilai β
2
yang positif menunjukkan adanya hubungan yang searah antara kualitas audit Y
dengan independensi X
2
yang artinya jika independensi X
2
naik sebesar satu satuan, maka besarnya nilai kualitas audit Y akan naik sebesar 0,323
satuan dengan asumsi bahwa variabel bebas lainnya bersifat konstan.
Koefisien β
3
Untuk Variabel Kompetensi X
3
Besarnya nilai koefisien regresi β
3
sebesar -0,300, nilai β
3
yang negatif menunjukkan adanya hubungan yang berlawanan arah antara
kualitas audit Y dengan kompetensi X
3
yang artinya jika kompetensi X
3
naik sebesar satu satuan, maka besarnya nilai kualitas audit Y akan turun sebesar 0,300 satuan dengan asumsi bahwa variabel bebas lainnya
bersifat konstan.
4.3.4. Uji Hipotesis
57
4.3.4.1. Uji Kesesuaian Model
Uji Kesesuaian model ini digunakan untuk mengetahui sesuai tidaknya model regresi yang dihasilkan guna melihat pengaruh keahlian
audit, independensi dan kompetensi terhadap kualitas audit Dari hasil Uji Kesesuaian Model dengan menggunakan alat bantu
komputer dengan program SPSS.16.0, For Windows mengenai analisis hubungan kesesuaian, dapat dilihat pada tabel 4.11, sebagai berikut
Tabel 4.11. Hasil Analisis Hubungan Kesesuaian Model
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
Regression 238,253
3 79,418
15,286 0,000
Residual 109,107
21 5,196
1 Total
347,360 24
Sumber ; Lampiran. 10
Berdasarkan pada tabel 4.11 di atas menunjukkan bahwa besarnya nilai F
hitung sebesar 15,286 dengan tingkat taraf signifikansi sebesar
0,000 lebih kecil dari 0,05, maka H ditolak dan H
1
diterima yang berarti model regresi yang dihasilkan cocok guna melihat pengaruh
keahlian audit, independensi dan kompetensi terhadap kualitas audit Dari hasil pengujian juga diperoleh nilai R square yang dapat
dilihat pada tabel 4.12, sebagai berikut:
Tabel. 4.12 : Koefisien Determinasi R square R
2
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate Durbin-Watson
1 0,828
0,686 0,641
2,279 -
Sumber ; Lampiran. 10
Berdasarkan tabel 4.12 di atas menunjukkan besarnya nilai koefisien Determinasi R square R
2
sebesar 0,686, hal ini menunjukkan
58
bahwa perubahan yang terjadi pada variabel kualitas audit sebesar 68,6 dipengaruhi oleh variabel keahlian audit, independensi dan kompetensi,
sedangkan sisanya 31,4 dijelaskan oleh faktor lain yang tidak termasuk dalam model.
4.3.4.2. Uji t
Dari hasil pengujian dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisis hubungan
secara parsial, dapat dilihat pada tabel 4.13, sebagai berikut :
Tabel 4.13 : Hasil Analisis Varians Hubungan Secara Parsial
Variabel t hitung
Sig Keterangan
Keahlian Audit X
1
4,226 0,000
Berpengaruh Signifikan
Independensi X
2
4,551 0,000
Berpengaruh Signifikan
Kompetensi X
3
-5,002 0,000
Berpengaruh Signifikan
Sumber ; Lampiran. 10
Berdasarkan dari tabel 4.13 di atas dapat diinterprestasikan, yaitu sebagai berikut :
1. Pengaruh Keahlian Audit X
1
Secara Parsial terhadap Kualitas Audit Y
Berdasarkan tabel 4.13 di atas menunjukkan besarnya nilai t hitung
sebesar 4,226, dengan tingkat signifikansi sebesar 0,000 lebih kecil dari 0,05, maka H
ditolak dan H
1
diterima yang berarti keahlian audit secara parsial berpengaruh signifikan terhadap kualitas
audit.
2. Pengaruh Independensi X
2
Secara Parsial terhadap Kualitas Audit Y
59
Berdasarkan tabel 4.13 di atas menunjukkan besarnya nilai t hitung
sebesar 4,551, dengan tingkat signifikansi sebesar 0,000 lebih kecil dari 0,05, maka H
ditolak dan H
1
diterima yang berarti independensi secara parsial berpengaruh signifikan terhadap kualitas
audit.
3. Pengaruh Kompetensi X