66 Dalam penelitian ini, pengujian hipotesis dan pengujian asumsi klasik
dilakukan dengan menggunakan alat analisis statistik yaitu berupa output SPSS. SPSS yang digunakan adalah SPSS versi 20.
1. Analisis Statistik Deskriptif
Statistik deskriptif digunakan untuk menganalisis data dengan cara menggambarkan sampel data yang telah dikumpulkan dalam kondisi
sebenarnya tanpa maksud membuat kesimpulan yang berlaku umum dan generalisasi. Analisis statistik deskriptif ditujukan untuk memberikan
gambaran atau deskripsi data dari variabel dependen berupa kecurangan laporan keuangan financial statement fraud, serta variabel independen
berupa leverage, kualitas audit, dan employee diff. Statistik deskriptif memberikan gambaran atau deskripsi suatu data
yang dilihat dari nilai rata-rata mean, standar deviasi, maksimum dan minimum dari masing-masing variabel Ghozali, 2011:19. Statistik data
yang disajikan dapat disajikan dengan menggunakan tabel statistik deskriptif yang memaparkan nilai minimum, nilai maksimum, nilai rata-
rata mean, dan standar deviasi standard deviation. Mean digunakan untuk memperkirakan besar rata-rata populasi yang diperkirakan dari
sampel. Standar deviasi digunakan untuk melihat besar data berbeda dari rata-rata sampel. Maksimum digunakan untuk melihat nilai tebesar dan
minimum digunakan untuk melihat nilai terkecil dari sampel.
67
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik.
1 Analisis Grafik Pada prinsipnya normalitas dapat dideteksi dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik normal probability plot
atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan sebagai berikut:
a Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan menunjukkan pola distribusi normal, maka model regresi
memenuhi asumsi normalitas. b Jika data menyebar jauh dari diagonal danatau tidak mengikuti
arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi
asumsi normalitas. 2 Analisis Statistik
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa
sebaliknya Ghozali, 2011:163. Oleh karena itu dalam penelitian ini
68 digunakan uji statistik dengan uji statistik non-parametrik
Kolmogorov-Smirnov K-S. Jika nilai Kolmogorov-Smirnov
memiliki tingkat signif ikan di atas α 0,05 berarti regresi memenuhi
asumsi normalitas Ghozali, 2011:165.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen.
Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka
variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen adalah
sama dengan nol. Salah satu cara untuk mendeteksi multikolinearitas dilakukan dengan menggunakan nilai VIF Variance Inflation Factor
dan tolerance. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinear
itas adalah nilai tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10 Ghozali, 2011:106. Jika nilai tolerance 0,10 dan VIF 10
maka tidak terjadi multikolinearitas Agnes, 2001:97. c.
Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-
1
sebelumnya. Jika terjadi
69 korelasi, maka dinamakan ada problem autokorelasi. Model korelasi
yang baik adalah regresi yang bebas dari autokorelasi. Pada penelitian ini, uji autokorelasi diuji dengan uji Durbin-Watson DW test.
Pengambilan keputusan ada tidaknya autokorelasi: Tabel 3.1
Tabel Keputusan Autokorelasi Durbin-Watson
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi
positif Tidak ada autokorelasi
positif Tidak ada korelasi negatif
Tidak ada korelasi negatif Tidak ada autokorelasi,
positif atau negatif Tolak
No decision
Tolak No decision
Tidak ditolak 0 d dl
dl ≤ d ≤ du
4 – dl d 4
4 – du ≤ d ≤ 4 – dl
du d 4 – du
sumber : Ghozali, 2011:111
d. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika
berbeda disebut heterokedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali,
2011:139.
Dalam penelitian ini, asumsi heteroskedastisitas akan diuji menggunakan analisis grafik scatterplot antara nilai prediksi variabel
70 terikat yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya
heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Jika tidak
ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali,
2011:139.
3. Uji Koefisien Determinasi
Koefisien Determinasi R
2
pada intinya adalah mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Nilai Koefisien Determinasi R
2
adalah antara 0 nol dan 1 satu. Nilai Koefisien Determinasi R
2
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, 2011:97.
Tetapi, penggunaan koefisien determinasi R
2
memiliki kelemahan mendasar yaitu bias terhadap jumlah variabel independen yang
dimasukkan ke dalam model. Jadi, setiap tambahan satu variabel independen, maka koefisien determinasi R
2
akan meningkat tidak perduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel
dependen. Oleh karena itu, dalam penelitian ini akan digunakan nilai adjusted
R
2
, untuk mengevaluasi model regresi Ghozali, 2011:97.
71 DA = α + β1 LEV + β2 AUD_QUA + β3 EMP_DIFF + ε
4. Uji Hipotesis