Analisis Statistik Deskriptif Pengujian Hipotesis
a. Analisis Regresi Linier Sederhana untuk Uji Hipotesis Pertama, Kedua, Ketiga, Keempat, dan Kelima
Menurut Priyatno 2013: 123, analisis regresi sederhana digunakan untuk mengetahui pengaruh antara satu variabel bebas X
dengan satu variabel terikat Y yang ditampilkan dalam bentuk persamaan regresi. Selain itu, analisis regresi linier juga bertujuan
untuk memprediksikan nilai dari variabel terikat apabila nilai variabel bebas mengalami kenaikan atau penurunan serta untuk mengetahui
arah hubungan. 1 Membuat garis linier sederhana
Rumus regresi linier sederhana adalah sebagai berikut Sujarweni dan Endrayanto, 2012: 83:
Y = α + bX Keterangan:
Y = Variabel dependen terikat yang diprediksikan
X = Variabel independen bebas
α = Nilai konstanta
b = Koefisien regresi.
Berdasarkan rumus di atas, maka persamaan regresi dalam penelitian ini adalah sebagai berikut:
Y = α + b
1
X
1
Y = α + b
2
X
2
Y = α + b
3
X
3
Y = α + b
4
X
4
Y = α + b
5
X
5
Keterangan: Y
= Audit Report Lag α
= Nilai konstanta b
1,
b
2,
b
3,
b
4,
b
5
= Koefisien regresi X
1
= Ukuran Perusahaan X
2
= Profitabilitas X
3
= Solvabilitas X
4
= Jenis Industri X
5
= Afiliasi KAP. 2 Mencari koefisien determinasi r
2
antara prediktor X
1,
X
2,
X
3,
X
4,
danX
5
dengan Y adalah sebagai berikut Hadi, 2004: 22 dalam Lestari 2016: 57:
Keterangan: r
2 x1y
= Koefisien determinasi antara X
1
dengan Y r
2 x2y
= Koefisien determinasi antara X
2
dengan Y r
2 x3y
= Koefisien determinasi antara X
3
dengan Y r
2 x4y
= Koefisien determinasi antara X
4
dengan Y r
2 x5y
= Koefisien determinasi antara X
5
dengan Y α
1
= Koefisien prediktor X
1
α
2
= Koefisien prediktor X
2
α
3
= Koefisien prediktor X
3
α
4
= Koefisien prediktor X
4
α
5
= Koefisien prediktor X
5
ƩX
1
Y = Jumlah produk X
1
dengan Y ƩX
2
Y = Jumlah produk X
2
dengan Y
ƩX
3
Y = Jumlah produk X
3
dengan Y ƩX
4
Y = Jumlah produk X
4
dengan Y ƩX
5
Y = Jumlah produk X
5
dengan Y ƩY
2
= Jumlah kuadrat kriterium Y. Pengujian koefisien determinasi r
2
digunakan untuk mengukur seberapa jauh kemampuan sebuah model dalam menerangkan
variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai r
2
yang kecil menunjukkan bahwa kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen terbatas, sementara nilai yang mendekati satu berarti bahwa variabel-variabel independen
hampir memberikan semua informasi yang dibutuhkan untuk memprediksi variabel dependen.
3 Menguji signifikansi korelasi dengan uji t √
√ Keterangan:
t = nilai t
hitung
r = koefisien korelasi n = jumlah sampel
Sugiyono, 2011: 243 Kriteria pengambilan kesimpulan adalah sebagai berikut:
a Jika nilai t
hitung
t
tabel
, maka hipotesis alternatif Ha diterima. b Jika nilai t
hitung
t
tabel
, maka hipotesis alternatif Ha ditolak.
b. Analisis Regresi Linier Berganda untuk Uji Hipotesis Keenam Perbedaan analisis regresi linier berganda dan analisis regresi
linier sederdana, ialah terletak pada jumlah variabel bebasnya. Regresi linier sederhana hanya menggunakan satu variabel bebas yang
dimasukkan dalam model regresi, sedangkan regresi linier berganda menggunakan dua atau lebih variabel bebas yang dimasukkan dalam
model regresi Priyatno, 2013: 130. 1 Persamaan regresi linier berganda
Y = α + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
Keterangan: Y
= Audit Report Lag α
= Konstanta b
1
, b
2
, b
3
, b
4
, b
5
= Koefisien regresi X
1
= Ukuran Perusahaan X
2
= Profitabilitas X
3
= Solvabilitas X
4
= Jenis Industri X
5
= Afiliasi KAP. 2 Mencari koefisien determinasi Adjusted R
2
dengan prediktor X
1,
X
2,
X
3,
X
4,
danX
5
dengan kriterium Y dengan menggunakan rumus sebagai berikut Hadi, 2004: 25 dalam Lestari 2016: 57:
Keterangan: R
2 y x1,x2,x3,x4,x5
= Koefisien korelasi Y dengan X
1
X
2
X
3
X
4
X
5
α
1
= Koefisien prediktor X
1
α
2
= Koefisien prediktor X
2
α
3
= Koefisien prediktor X
3
α
4
= Koefisien prediktor X
4
α
5
= Koefisien prediktor X
5
X
1
Y = Jumlah produk X
1
dengan Y X
2
Y = Jumlah produk X
2
dengan Y X
3
Y = Jumlah produk X
3
dengan Y X
4
Y = Jumlah produk X
4
dengan Y X
5
Y = Jumlah produk X
5
dengan Y ƩY
2
= Jumlah kuadrat kriterium Y Untuk mengevaluasi model regresi terbaik menggunakan
nilai Adjusted R
2
. Menurut Ghozali 2011: 97, koefisien determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel
dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai yang mendekati satu berarti bahwa variabel-variabel
independen memberikan
hampir semua informasi
yang dibutuhkan untuk memprediksi variasi variabel dependen.
Menurut Gujarati 2003 dalam Ghozali 2011: 97, apabila dalam uji empiris didapat nilai adjusted R
2
negatif maka nilai adjusted R
2
dianggap bernilai 0. Setelah itu, dilakukan uji F. 3 Menguji signifikansi regresi linier berganda dengan uji F
Uji signifikansi simultan atau uji statistik F pada dasarnya bertujuan untuk menunjukkan apabila semua variabel
independen bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen
terikat atau tidak Ghozali, 2011: 98. Uji F digunakan untuk menguji signifikansi pengaruh antara variabel X terhadap Y
secara bersama-sama dengan membandingkan nilai F. Nilai F hitung dapat digunakan rumus, sebagai berikut:
Keterangan: R
= Koefisien korelasi ganda m
= Jumlah variabel independen N
= Jumlah Sampel Sunyoto, 2013: 55
Kriteria pengambilan kesimpulannya adalah sebagai berikut: a Jika nilai F hitung F tabel, maka hipotesis alternatif Ha
diterima yaitu variabel independen secara bersama-sama simultanberpengaruh secara signifikan terhadap variabel
dependen. b Jika nilai F hitung F tabel, maka hipotesis alternatif Ha
ditolak yaitu variabel independen secara bersama-sama simultan tidak berpengaruh secara signifikan terhadap
variabel dependen.
66