Uji Heteroskedastisitas Uji Autokorelasi

55

3.8.2.3 Uji Heteroskedastisitas

Uji Heterokedastisitas adalah terjadinya varians yang tidak sama untuk variabel independen yang berbeda. Uji ini dimaksudkan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah data yang tidak mengandung situasi Heteroskedastisitas, karena data ini menghimpun data yang mewakili berbagai ukuran Ghozali, 2011. Heterokedastisitas dapat terdeteksi dengan melihat plot antara nilai taksiran dengan residual. Untuk melihat heteroskedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatter plot. Yang mendasari dalam pengambilan keputusan ini adalah: 1. Jika ada pola tertentu seperti titik-titik yang ada membentuk satu pola yang teratur bergelombang, melebar, kemudian menyempit maka akan terjadi masalah heterokedastisitas. 2. Jika tidak ada pola yang jelas seperti titik-titik yang menyebar diatas dan dibawah angka nol pada sumbu-sumbu maka tidak terjadi heterokedastisitas. Uji heterokedastisitas dapat diperkuat dengan menggunakan uji glejser. Uji Glejser adalah meregresikan antara variabel bebas dengan variabel residual absolute, dimana apabila nilai p 0,05 maka variabel bersangkutan dinyatakan bebas heteroskedastisitas. 56

3.8.2.4 Uji Autokorelasi

Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu antara periode t dengan kesalahan pegganggu pada periode t-1 atau sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autorelasi. Autokorelasi muncul disebabkan adanya observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan penganggu tidak bebas dari satu observasi ke observasi yang lainnya. Pendekatan ada atau tidaknya autokorelasi menggunakan uji Durbin- Watson DW test. Pengambilan keputusan dapat dilihat pada tabel berikut ini: Tabel 3.2 Autokolerasi Hipotesis nol Jika Keputusan Tidak ada autokorelasi positif 0 d dl Tolak Tidak ada autokorelasi positif dl ≤ d ≤ du No decision Tidak ada autokorelasi negative 4 – dl d 4 Tolak Tidak ada autokorelasi negative 4 – du ≤ d ≤ 4 - dl No decision Tidak ada autokorelasi ,positif atau negative du d 4 - du Tidak ditolak

3.9 Pengujian Hipotesis

Pengujian hipotesis dalam penelitian ini menggunakan analisis Regresi Berganda Multiple Regression dengan alasan bahwa variabel independennya lebih dari satu. Analisis ini digunakan untuk menentukan hubungan antara 57 Professional Fee dengan variabel-variabel independen Ghozali, 2009. Persamaan regresinya adalah sebagai berikut : PFEE = b0 + b1 ADISA + b2 LNTA + b3 SUBSDR + b4 LEV + b5 ROA + b6 BIGF + e Dimana: PFEE = Logaritma Natural Professional Fee ADISA = Pengadopsian ISA LNTA = Logaritma Natural total asset SUBSDR = Jumlah anak perusahaan LEV = Leverage ROA = Return of Asset BIGF = Auditor Big Four Kemudian untuk mengetahui pengaruh antara variabel-variabel independen dengan tingkatProfessional Fee maka dilakukan pengujian-pengujian hipotesis penelitian terhadap variabel-variabel dengan pengujian dibawah ini : a. Koefisien Determinasi Koefisien determinasi merupakan ikhtisar yang menyatakan seberapa baik garis regresi sampel mencocokkan data. Koefisien determinasi untuk mengukur proporsi variasi dalam variabel dependen yang dijelaskan oleh regresi. Nilai � 2 berkisar antara 0 sampai 1, apabila � 2 =0 berarti tidak ada hubungan antara variabel independen dengan variabel dependen, sedangkan jika � 2 =1 berarti suatu 58 hubungan yang sempurna. Untuk regresi dengan variabel bebas lebih dari 2 maka digunakan adjusted � 2 sebagai koefisien determinasi. b. Uji F Uji ini dilakukan utuk menguji apakah variabel-variabel independen terhadap variabel dependen memiliki pengaruh secara bersama-sama. Pengujian dilakukan dengan menggunakan tingkat signifikansi 0,05 α = 5. Penolakan atau penerimaan hipotesis dilakukan dengan kriteria sebagai berikut : 1. Jika nilai sigifikansi kurang dari satu atau sama dengan 0,05 maka hipotesis diterima yang berarti secara bersama-sama variabel ADISA, LNTASSET, SUBSDR, LEV, ROA, BIGF berpengaruh terhadap Professional Fee. 2. Jika nilai sigifikansi lebih dari 0,05 maka hipotesis ditolak yang berarti secara bersama-sama variabel ADISA, LNTASSET, SUBSDR, LEV, ROA, BIGF tidak berpengaruh terhadap Professional Fee. c. Uji t Uji t digunakan untuk mengetahui kemampuan masing-masing variabel independen secara individu partial dalam menjelaskan perilaku variabel dependen. Pengujian dilakukan dengan menggunakan tingkat signifikansi 0,05 α= 5. Penolakan atau penerimaan hipotesis dilakukan dengan kriteria sebagai berikut : 59 1. Jika nilai sigifikansi kurang dari satu atau sama dengan 0,05 maka hipotesis diterima yang berarti secara partial variabel ukuran ADISA, LNTASSET, SUBSDR, LEV, ROA, BIGF berpengaruh terhadap Professional Fee. 2. Jika nilai sigifikansi lebih dari 0,05 maka hipotesis ditolak yang berarti secara partial variabel ADISA, LNTASSET, SUBSDR, LEV, ROA, BIGF tidak berpengaruh terhadap Professional Fee. 60

BAB IV ANALISIS DAN PEMBAHASAN

4.1 Data Penelitian

Pada perhitungan, data berupa angka kemudian dianlisis menggunakan aplikasi spss 22. Objek penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dalam periode 2012-2013. Hasil pengolahan data berupa informasi melihat dan menganalisa hubungan dan pengaruh antara Pengadopsian ISA, ukuran klien audit, kompleksitas audit, risiko litigasi, profitabilitas klien dan jenis KAP terhadap professional fee. Teknik analisis dalam penelitian ini menggunakan analisis statistik. Analisis statistik merupakan analisis yang mengacu SPSS. Sampel yang memenuhi kriteria seperti yang telah dijelaskan dalam bab 3 diperoleh sebanyak 48 perusahaan manufaktur. Adapun perusahaan yang menjadi sampel adalah Tabel 4.1 Daftar Sampel Penelitian No Kode Nama Perusahaan 1 ALDO Alkindo naratama Tbk 2 APLI Asiaplast Industries Tbk 3 ARNA Arwana Citramulia Tbk 4 BTON Betonjaya Manunggal Tbk 5 CPIN Charoen Pokphand Indonesia Tbk 6 CTBN Citra Tubindo Tbk 7 EKAD Ekadharma International Tbk 8 ETWA Eterindo Wahanatama Tbk 9 IGAR Champion Pacific Indonesia Tbk 10 INKP Indah Kiat Pulp Paper Tbk 11 INTP Indocement Tunggal Prakasa Tbk 12 IPOL Indopoly Swakarsa Industry Tbk 61 13 JPFA JAPFA Comfeed Indonesia Tbk 14 JPRS Jaya Parl Steel Tbk 15 MAIN Malindo Feedmill Tbk 16 PICO Pelangi Indah Canindo Tbk 17 SIPD Sierad Produce Tbk 18 SMCB Holcim Indonesia Tbk 19 SRSN Indo Acidatama Tbk 20 TKIM Pabrik Kertas Tjiwi Kimia Tbk 21 TOTO Surya Toto Indonesia Tbk 22 TRST Trias Sentosa Tbk 23 UNIC Unggul Indah Cahaya Tbk 24 BATA Sepatu Bata Tbk 25 BRAM Indo Kordsa Tbk 26 ERTX Eratex Djaja Tbk 27 IMAS Indomobil Sukses International Tbk 28 JECC Jembo Cable Company Tbk 29 KBLI KMI Wire and Cable Tbk 30 KBLM Kabelindo Murni Tbk 31 LPIN Multi Prima Sejahtera Tbk 32 PRAS Prima Alloy Steel Universal Tbk 33 SMSM Selamat Sempurna Tbk 34 VOKS Voksel Electric Tbk 35 AISA Tiga Pilar Sejahtera Food Tbk 36 ALTO Tri Banyan Tirta Tbk 37 DLTA Delta Djakarta Tbk 38 DVLA Darya-Varia Laboratoria Tbk 39 KLBF Kalbe Farma Tbk 40 MBTO Martina Berto Tbk 41 MERK Merc Tbk 42 MLBI Multi Bintang Indonesia Tbk 43 MYOR Mayora Indah Tbk 44 ROTI Nippon Indosari Corpindo Tbk 45 SIDO Sido Muncul Tbk 46 SKBM Sekar Bumi Tbk 47 SQBB Taisho Pharmaceutical Indonesia Tbk 48 WIIM Wismilak Inti Makmur Tbk 62

4.2 Statistik Deskriptif

Peneliti menggunakan metode statistik deskriptif dalam penelitian ini, yaitu penelitian yang dilakukan untuk memperoleh gambaran yang sebenarnya tentang kondisi perusahaan dalam analisis. Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai standar deviasi dari variabel-variabel independen dan variabel dependen. Tabel 4.2 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation PFEE 96 18,827 25,739 21,92513 1,476667 ADISA 96 ,0 1,0 ,500 ,5026 LNTA 96 25,701 32,052 28,10726 1,438453 SBSDR 96 ,0 70,0 5,917 10,6184 LEV 96 ,037 ,881 ,43818 ,187664 ROA 96 ,000 ,885 ,13627 ,137377 BIGF 96 ,0 1,0 ,417 ,4956 Valid N listwise 96 Sumber : Data diolah dengan menggunakan SPSS 22 Dari Tabel 4.2 diatas dapat dijelaskan beberapa hal berikut: 1. Variabel PFEE Professional Fee memiliki nilai minimum 18,827 dan nilai maksimum 25,739 dengan rata-rata 21,92513 dan standar deviasi 1,476667 dengan jumlah pengamatan sebanyak 96 data. 2. Variabel ADISA Pengadopsian ISA memiliki nilai minimum 0 dan niali maksimum 1 dengan nialai rata-rata 0,5 dan standar deviasi 0,5026 dengan jumlah pengamatan sebanyak 96 data. 63 3. Variabel LNTA Ukuran Klien Audit memiliki nilai minimum 25,071 dan nilai maksimum 32,052, dengan nilai rata-rata 28,10726 dan standar deviasi 1,438453 dengan jumlah pengamatan sebanyak 96 data. 4. Variabel SBSDR Kompleksitas Audit memiliki nilai minimum 0 dan maksimum 70, dengan nilai rata-rata 5,917 dan standar deviasi 10,6184 dengan jumlah pengamatan sebanyak 96 data. 5. Variabel LEV Risiko Litigasi memiliki nilai minimum 0,037 dan nilai maksimum 0,881, dengan nilai rata-rata 0,43818 dan standar deviasi 0,187664 dengan jumlah pengamatan sebanyak 96 data. 6. Variabel ROA Profitabilitas Klien memiliki nilai minimum 0,00005 dan niali maksimum 0,885, dengan nilai rata-rata 0,13627 dan standar deviasi 0,137377 dengan jumlah pengamatan sebanyak 96 data. 7. Variabel BIGF Jenis KAP memiliki nilai minimum 0 dan nilai maksimum 1, dengan nilai rata-rata 0,417 dan standar deviasi 0,4956 dengan jumlah pengamatan sebanyak 96 data. 4.3 Pengujian Asumsi Klasik 4.3.1 Uji Normalitas Uji normalitas dilakukan untuk melihat apakah variabel independen maupun variabel dependen terdistribusi secara normal atau tidak. Pertama sekali, data di dalam penelitian harus memenuhi asumsi kenormalan data. Data penelitian yang baik adalah data yang memenuhi asumsi kenormalan data. Untuk melihat apakah data normal atau tidak dari grafik histogram dan normal probability plot. 64 Data yang normal akan membentuk atau mengikuti garis diagonal pada normal probability plot. Data yang normal juga akan terlihat dari grafik histogram yang seimbang, tidak condong ke kiri maupun ke kanan. Data yang tidak normal tidak akan mengikuti garis diagonal pada normal probability plot dan memiliki grafik histogram yang tidak seimbang. Berikut ini ditampilkan grafik histogram dan normal probability plot dari variabel penelitian. Gambar 4.1 Histogram Variabel Dependen PFEE Professional Fee - Normal Sumber: Data Diolah menggunakan SPSS 22 65 Berdasarkan gambar 4.1 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 4.2 berikut: Gambar 4.2 Normal P-Plot of Regression Standarized Residual – Normal Sumber: Data Diolah menggunakan SPSS 22 66 Berdasarkan grafik profitabilitas pada gambar 4.2 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis normal. Peneliti membuat uji Kolmogorov-Smirnov yang membuktikan kenormalan suatu data penelitian dengan angka. Dengan menggunakan uji Kolmogorov-Smirnov, suatu data dikatakan normal apabila nilai Asymp. Sig. 2- tailed 0,05 dan apabila nilai Asymp. Sig. 2-tailed 0,05 maka data tidak terdistribusi normal. Berikut hasil pengujian dengan uji Kolmogorov-Smirnov. Tabel 4.3 Uji Kolmogrov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 96 Normal Parameters a,b Mean ,0000000 Std. Deviation ,70155010 Most Extreme Differences Absolute ,065 Positive ,065 Negative -,055 Test Statistic ,065 Asymp. Sig. 2-tailed ,200 c,d a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction. d. This is a lower bound of the true significance. Sumber: Data Diolah Menggunakan SPSS 22 Dari Tabel Kolmogorov-Smirnov di atas, nilai Asymp. Sig. 2-tailed nya sebesar 0,200 yang berarti 0,05 sehingga dapat ditarik kesimpulan bahwa data sudah terdistribusi dengan normal 67

4.3.2 Uji Multikolinieritas