24
3.6 Teknik Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah statistik deskriptif, uji kualitas data, uji asumsi klasik dan uji hipotesis. Statistik deskriptif
memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness
kemencengan distribusi Ghozali, 2011.
3.6.1 Uji Kualitas Data 3.6.1.1 Uji Validitas
Validitas menunjukkan sejauh mana suatu alat pengukur itu mengukur apa yang ingin diukur, sekiranya peneliti ingin mengukur kuisioner didalam
pengumpulan data penelitian, maka kuisioner yang disusunnya dan teruji validitasnya, dalam praktek belum tentu data yang terkumpul adalah data yang
valid. Menurut Situmorang dan Lufti 2014:88 validitas ekternal instrument
diuji dengan cara membandingkan antara krteria yang ada pada instrument dengan fakta-fakta empiris yang terjadi di lapangan. Penelitian mempunyai validitas
eksternal bila hasil penelitian dapat digeneralisasikan atau diterapkan pada sampel lain dalam populasi yang diteliti. Untruk meningkatkan validitas eksternal
penelitian selain meningkatkan validitas eksternal instrument, maka dapat dilakukan dengan memperbesar jumlah sampel.
Untuk melihat validitas ekternal maka nialai Corrected item-Total Correlation dibandingkan dengan trabel r. uji coba instrument dilakukan pada
Badan Pengawas Keuangan dan Pembangunan dimana sampel validitas sebanyak 30 responden. Tujuan pengujian instrument penelitian untuk mengetahui tingkat
Universitas Sumatera Utara
25
validitas dan reliabilitas kuisioner sebelum dilakukan pengumpulan data. Data
dikatakan valid apabila nilai variabelnya diatas 0,361. 3.6.1.2 Uji Realibilitas
Uji realibilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan
reliable atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu. Untuk mengukur reliabilitas dalam penelitian ini
digunakan uji statistik Cronbach Alpha α. Suatu variabel dikatakan reliable jika memberikan nilai Cronbachs Alpha 0,60. Sedangkan, jika sebaliknya data
tersebut dikatakan tidak reliable Ghozali, 2011.
3.6.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk menguji apakah model regresi benar- benar menunjukkan hubungan yang signifikan dan representatif. Beberapa asumsi
klasik dari ordinary least squares OLS yaitu: Uji Normalitas, Uji Multikolinearitas, Uji Heteroskedastisitas dan Uji Autokorelasi yang secara rinci
dapat dijelaskan sebagai berikut:
3.6.2.1 Uji Normalitas
Uji normalitas berguna sebagai tahap awal dalam metode pemilihan analisis data. Tujuan uji normalitas adalah ingin mengetahui apakah dalam model
regresi variabel pengganggu atau residual memiliki distribusi normal. Menurut Erlina 2011:101, “pengujian ini diperlukan untuk melakukan uji T dan uji F
untuk mengasumsikan bahwa nilai residual mengikuti distribusi normal”. Jika
Universitas Sumatera Utara
26
asumsi ini dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.
Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Distribusi normal akan membentuk satu garis lurus diagonal
dan ploting data akan dibandingkan dengan dengan garis diagonal. Uji normalitas dalam penelitian ini dilakukan dengan cara analisis grafik. Normalitas dapat
dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik pada Normal P-Plot of Regression Standardized atau dengan melihat histogram
dari residualnya, dimana: 1.
Jika data menyebar di sekitar garis diagonal dan mengikuti garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal regresi memenuhi
asumsi normalitas. 2.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati.
Secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu disamping uji grafik sebaiknya dilengkapi dengan uji statistik. Uji
statistik yang dapat digunakan untuk menguji normalitas adalah uji statistik Kolmogorov-Smirnov, kriteria pengujian normalitas data dengan melihat nilai
signifikan data. Data dikatakan normal jika angka signifikansi 0.05.
Universitas Sumatera Utara
27
3.6.2.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variable independen. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variable independen. Jika terjadi korelasi sempurna diantara variable independen maka konsekuensinya adalah
koefisien-koefisien regresi menjadi tidak dapat ditaksir, varian dan nilai standar error setiap koefisien regresi menjadi tidak terhingga, nilai t akan turun, hasil
estimasi akan menjadi sangat peka terhadap perubahan spesifikasi, kecocokan data dan estimasi variable-variable yang tidak berkorelasi tidak terpengaruh oleh
munculnya multikolinearitas. Untuk mendeteksi ada atau tidaknya multikolinearitas yang tinggi antar
variabel independen dapat dideteksi dengan cara melihat nilai tolerance dan variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan oleh variabel independen lainnya. Sebagai dasar acuannya dapat disimpulkan:
1. Jika nilai tolerance 0,10 dan nilai VIF 10, maka dapat disimpulkan bahwa
tidak ada multikolinearitas antar variabel independen dalam model regresi. 2.
Jika nilai tolerance 0,10 dan nilai VIF 10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
Universitas Sumatera Utara
28
3.6.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas ditujukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dan residual satu pengamatan ke pengamatan
yang lain. Salah satu asumsi yang penting dari model regresi linear adalah varian residual bersifat homokedastisitas atau bersifat konstan. Cara untuk mendeteksi
masalah heteroskedastisitas dapat diketahui dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara nilai prediksi variabel terikat ZPRED
dengan residualnya SRESID. Ghozali 2009:37 menyatakan dasar analisis dari uji heteroskedastis
melalui grafik plot adalah sebagai berikut: 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y secara acak, maka tidak terjadi heteroskedastisitas.
3.6.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya.
Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah autokorelasi diantaranya dengan Uji Durbin Watson. Pengambilan keputusan ada
atau tidaknya autokorelasi adalah sebagai berikut :
Universitas Sumatera Utara
29
1. Angka D-W dibawah-2 berarti ada autokorelasi positif.
2. Angka D-W diantara -2 dan 2 berarti tidak ada autokorelasi.
3. Angka D-W di atas +2 berarti ada autokorelasi negatif.
Menurut Makridakis dalam Sulaiman, 2004:89 Untuk mendeteksi ada atau tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson DW
dengan ketentuan sebagai berikut: 1.
1,65 DW 2,35 berarti tidak terjadi autokorelasi 2.
1,21 DW 1,65 atau 2,35 DW 2,79 berarti tidak dapat disimpulkan. 3.
DW 1,21 atau DW 2,79 berarti terjadi autokorelasi.
3.5.3 Analisis Regresi Linear Berganda
Analisis regresi linier berganda digunakan untuk mengetahui pengaruh dari beberapa variabel bebas terhadap variabel terikat. Penelitian ini
menggunakan model analisis regresi berganda dengan persamaan kuadrat terkecil atau ordinary least square OLS untuk menganalisis pengaruh Karakteristik
personal auditor, etika audit dan pengalaman auditor terhadap tingkat penyimpangan dalam audit, dengan model dasar sebagai berikut :
Y= a + b1X1 + b2X2 + b3X3 + e Keterangan :
Y = Penyimpangan dalam audit
a = Konstanta
X1 = Karakteristik personal auditor
X2 = Etika Audit
X3 = Pengalaman Auditor
E = error term
Universitas Sumatera Utara
30
3.5.4 Uji Hipotesis