Uji Analisis Regresi I dengan Variabel Moderasi 1. Uji Asumsi Klasik
48 variabel audit delay dipengaruhi oleh profitabilitas dan umur
perusahaan.
4.1.3. Uji Analisis Regresi I dengan Variabel Moderasi 4.1.3.1. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar
diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi;
Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah data
yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang
pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.4.
Universitas Sumatera Utara
49
Gambar 4.4 Grafik Histogram
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan gambar 4.4 terlihat bahwa pola distribusi
normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan
khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis
yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot
dapat dilihat dalam gambar 4.5 berikut:
Universitas Sumatera Utara
50
Gambar 4.5 Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan grafik profitabilitas pada gambar 4.5 di atas
menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis
normal. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang
terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan
dengan nilai signifikansi dibawah 0.05.
Universitas Sumatera Utara
51
Tabel 4.8 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
40 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 12.21745874
Most Extreme Differences Absolute
.166 Positive
.104 Negative
-.166 Kolmogorov-Smirnov Z
1.048 Asymp. Sig. 2-tailed
.222 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan hasil uji normalitas dengan Kolmogorov-
Smirnov Data Asli diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas
0.05 yaitu sebesar 0.222 dan nilai Kolmogorov-Smirnov Z sebesar 1.048.
b. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan
ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda
disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas
dapat dilakukan
dengan melihat
grafik scatterplot, dengan dasar analisis.
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur
bergelombang, melebar
kemudian
Universitas Sumatera Utara
52 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, maka tidak terjadi heteroskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.6 berikut:
Gambar 4.6 Grafik Scatterplot
Sumber: Hasil Pengolahan SPSS Mei 2016 c. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model
regresi dimana prasyarat dalam model regresi adalah tidak adanya
Universitas Sumatera Utara
53 multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui
nilai inflation factor VIF dan Tolerance.
Tabel 4.9 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
Collinearity Statistics
B Std. Error
Beta Toleranc
e VIF
1 Constant
70.777 4.786
ZscorePROFIT -.504
2.599 -.040
.614 1.630 ZscoreLN.T.ASET
.795 2.165
.063 .885 1.130
ABSPRO.ASET 4.084
3.141 .266
.625 1.599 a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan aturan Variance Inflation Factor VIF dan
Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari
0.10 maka
dinyatakan terjadi
gejala multikolinearitas,
sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam
penelitian ini data yang digunakan dalam uji multikolinearitas ini
adalah data dari variabel independen.
d. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah sebuah
model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau
sebelumnya. Jika
terjadi korelasi
dinamakan ada
masalah
Universitas Sumatera Utara
54 autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi,
peneliti menggunakan Durbin-Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan
keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K =
jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi
autokorelasi terpenuhi.
Adapun kriteria
dalam penentuan
autokorelasi adalah sebagai berikut : 1 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi.
2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive.
3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non Autokorelasi.
Tabel 4.11 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel
DW menunjukkan bahwa dengan n = 40, K = 2, maka akan diperoleh nilai dl = 1.3908 dan du = 1.6000 dan 4-du = 4
– 1.6000 = 2.4000.
Tabel 4.10 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.236
a
.056 -.023
12.71633 1.957
a. Predictors: Constant, ABSPRO.ASET, ZscoreLN.T.ASET, ZscorePROFIT
b. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Universitas Sumatera Utara
55 Berdasarkan
hasil pengujian
autokorelasi dengan
menggunakan SPSS diketahui bahwa nilai durbin-watson adalah 1.3908 1.957 2.4000 yang berarti berdasarkan kriteria tersebut
tidak terjadi autokorelasi. 4.1.3.2. Uji Hipotesis
Hasil pengujian
regresi linear
pengaruh profitabilitas
terhadap audit delay dengan ukuran perusahaan sebagai variabel moderasi
menggunakan metode
nilai selisih
mutlak yang
ditunjukkan pada Tabel 4.11 berikut:
Tabel 4.11 Uji Analisis Regresi dengan Variabel Moderasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
70.777 4.786
14.787 .000
ZscorePROFIT -.504
2.599 -.040
-.194 .847
ZscoreLN.T.ASET .795
2.165 .063
.367 .716
ABSPRO.ASET 4.084
3.141 .266
1.300 .202
a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Hasil pengujian menunjukkan model regresi sebagai berikut: AUDIT
DELAY =
70.777 -0.504ZscoreProfit
+ 0.795ZscoreLn.T.Aset + 4.084AbsProfit.Aset + e
Dari persamaan regresi tersebut maka dapat dianaliis bahwa variabel ukuran perusahaan yang diukur dengan Ln Total Aset
sebagai variabel moderasi tidak mampu memoderasi hubungan
Universitas Sumatera Utara
56 antara profitabilitas dengan audit delay karena signifikansi 0.202
0.05.
4.1.4. Uji Analisis Regresi dengan Variabel Moderasi 4.1.4.1. Uji Asumsi Klasik