3. Variabel labarugi perusahaan X
2
4. Variabel opini audit X memiliki nilai minimum 0 dan nilai
maksimum 1 dengan rata-rata labarugi perusahaan adalah sebesar 0,79 dengan jumlah sampel sebanyak 11 perusahaan dan 33 unit analisis.
3
5. Variabel rasio hutang X memiliki nilai minimum 0 dan nilai maksimum 1.
Rata-rata keseluruhan opini auditadalah 0,91 dengan jumlah sampel sebanyak 11 perusahaan dan 33 unit analisis.
4
memiliki nilai minimum 0,09 yang terdapat pada perusahaan Benakat Petroleum Energy pada tahun 2011 dan nilai maksimum
0,99 yang terdapat pada perusahaan Central Omega Resources pada tahun 2010. Rata-rata keseluruhan pada rasio hutangadalah 0,4891 dengan jumlah
sampel sebanyak 11 perusahaan dan 33 unit analisis.
4.2.2 Uji Asumsi Klasik
4.2.2.1.Uji Normalitas
Dalam penelitian ini pengujian normalitas data dilakukan secara grafik dan statistik sehingga dapat diketahui secara pasti bagaimana distribusi data yang
diperoleh. Analisis grafik untuk melihat normalitas data dilakukan dengan melihat grafik histogram dan kurva normal probability plot. Dan analisis statistik
dilakukan dengan menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S.
Uji normalitas yang pertama dengan melihat grafik secara histogram. Berdasarkan hasil komputasi dengan bantuan aplikasi SPSS 18.0, maka dihasilkan
grafik histogram seperti terlihat pada gambar 4.1 dibawah ini.
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram
Sumber : Data sekunder yang diolah, 2013
Dalam gambar 4.1 diatas, terlihat bahwa bentuk histogram menggambarkan data yang berdistribusi normal atau mendekati normal. Karena
terlihat grafik membentuk seperti lonceng bell shaped. Dimana bentuk histogram seperti bentuk lonceng bell shaped curve mengindikasikan bahwa data
berdistribusi normal Santoso, 2002. Uji normalitas yang kedua adalah dengan melihat analisis grafik normal
P-Plot normal probability plot. Berdasarkan hasil komputasi dengan bantuan aplikasi SPSS 18 for Window, maka dihasilkan grafik seperti terlihat pada gambar
4.2 dibawah ini.
Universitas Sumatera Utara
Gambar 4.2 Normal Probability Plot
Sumber : Data Sekunder yang diolah, 2013
Dari gambar 4.2, terlihat data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal tersebut yang tidak menceng skewness ke kiri
maupun ke kanan. Grafik normal plot memperlihatkan titik-titik menyebar di sekitar garis diagonal serta penyebarannya mendekati garis diagonal. Dengan pola
grafik histogramnya menunjukkan bahwa pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Sehingga menurut analisis grafik histogram
dan P-Plot data telah terdistribusi secara normal atau memenuhi asumsi normalitas.
Universitas Sumatera Utara
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati melihat. Secara visual kelihatan normal, padahal secara statistik bisa sebaliknya.
Oleh sebab itu digunakan pula analisis statistik Kolmogorov-Smirnov uji K-S. Uji normalitas yang dilakukan dengan Kolmogorov-Smirnov digunakan untuk
mengetahui apakah variabel ukuran perusahaan, labarugi perusahaan, opini auditor, rasio hutang dan auditdelay berdistribusi normal atau tidak. Apabila nilai
signifikansinya lebih besar dari 0,05 maka data berdistribusi normal atau maka Ho diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka data tidak
berdistribusi normal atau maka Ho ditolak. Tabel 4.2 berikut menyajikan tabel hasil uji Kolmogorov Smirnov.
Tabel 4.2 Hasil Uji Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 33
Normal Parameters
a
Mean .0000000
Std. Deviation 16.04809661
Most Extreme Differences
Absolute .111
Positive .101
Negative -.111
Kolmogorov-Smirnov Z .639
Asymp. Sig. 2-tailed .809
a. Test distribution is Normal. Hasil pengujian yang ditunjukkan pada tabel 4.3 menunjukkan besar nilai
Kolmogorov-Smirnov adalah 0,639 dengan nilai signifikasi 0,809. Berdasarkan hipotesis Ho diterima bila lebih besar dari 0,05. Nilai signifikasi 0,809 0,05
Universitas Sumatera Utara
maka dapat disimpulkan bahwa dapat disimpulkan Ho diterima. Dan kesimpulan secara keseluruhan yang dapat diambil adalah nilai-nilai observasi data telah
terdistribusi secara normal dan memenuhi asumsi normalitas serta dapat dilanjutkan dengan uji asumsi klasik lainnya.
4.2.2.2.Uji Multikolinieritas
Uji multikolinearitas bertujuan menguji apakah pada model regresi terdapat korelasi antar variabel independen. Pada model regresi yang baik
seharusnya antar variabel independen tidak terjadi korelasi. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai VIF dan nilai Tolerance.
Dimana apabila nilai Variance Inflation Factor VIF ≤ 10 dan nilai tolerance ≥
0,10, maka terjadi multikolinearitas dan apabila VIF 10 dan nilai Tolerance 0,1, maka tidak terjadi multikolinearitas. Hasil uji multikolinearitas dapat dilihat
pada tabel 4.3 berikut.
Universitas Sumatera Utara
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
116.944 12.692
9.214 .000 Ukuran perusahaan 1.949E-7 .000
.055 .341
.736 .948
1.055 Labarugi
-7.703 9.246
-.167 -.833 .412
.624 1.602
Opiniaudit -28.547
13.247 -.435
-2.155 .040 .615
1.626 Rasiohutang
-10.536 13.992
-.120 -.753 .458
.980 1.020
a. Dependent Variable: auditdelay
Setiap variabel bebas yang terdapat dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,1 yaitu terlihat bahwa variabel ukuran
perusahaan memiliki nilai tolerance 0,948; variabel labarugi perusahaan memiliki nilai tolerance 0,624; variable opini audit memiliki nilai tolerance 0,615; variabel
rasio hutang memiliki nilai tolerance 0,980. Dari nilai tolerance yang semua lebih dari 0,10 maka, berarti tidak terjadi korelasi antar variabel independen.
Lalu dilihat dari VIF-nya, masing-masing variabel bebas lebih kecil dari 10 yaitu untuk VIF ukuran perusahaan menunjukkan nilai sebesar 1,055; VIF
labarugi perusahaan menunjukkan nilai sebesar 1,602; VIF opini
auditmenunjukkan nilai sebesar 1,626; VIF rasio hutang menunjukkan nilai sebesar1,020. Maka dengan demikian, dapat disimpulkan bahwa tidak terjadi
gejala multikolineritas dalam variabel bebasnya.
Universitas Sumatera Utara
4.2.2.3.Uji Autokorelasi
Uji autokolerasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya Erlina dan Sri, 2007. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik
adalah regresi yang bebas dari autokorelasi. Dalam penelitian ini, untuk mendeteksi gejala autokorelasi kita menggunakan uji Durbin-Watson DW. Hasil
uji autokorelasi dapat dilihat dalam tabel 4.4 berikut
Table 4.4 Hasil Uji Autkorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.546
a
.298 .197
17.156 2.140
a. Predictors: Constant, rasiohutang, labarugi, totalasset, opiniaudit b. Dependent Variable: auditdelay
Hasil uji autokorelasi diatas menunjukkan nilai statistik Durbin-Watson DW sebesar 2,140. Dengan melihat kriteria Durbin-Watson yaitu 1,65 DW
2,5 maka dapat disimpulkan tidak terjadi autokorelasi.
4.2.2.4.Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain Erlina dan Sri, 2007. Model regresi yang baik adalah
Universitas Sumatera Utara
regresi yang bebas dari heteroskedastisitas. Dalam penelitian ini untuk mendeteksi ada tidaknya heteroskedastisitas adalah dengan melihat pola grafik
yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Melalui grafik scatterplot digunakan untuk menganalisis apakah terjadi
heteroskedastisitas dengan mengamati penyebaran yang terjadi pada titik-titik gambar. Dasar pengambilan keputusannya adalah.
1. jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka terjadi
heteroskedastisitas. 2. jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan
dibawah angka nol 0 pada sumbu Y maka tidak terjadi heteroskedastisitas.
Hasil pengujian heteroskedastisitas dapat dilihat pada scatterplot pada gambar 4.3 dibawah ini.
Universitas Sumatera Utara
Gambar 4.3 Grafik Scatterplot
Dari grafik scatterplot, terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di
bawah angka 0 pada sumbu Y. Maka hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
4.2.3 Uji Hipotesis
