Jenis Data Metode Pengumpulan Data Persamaan Regresi

3.7 Jenis Data

Jenis data dalam penelitian ini adalah data dokumenter, sedangkan sumber data dalam penelitian ini adalah data sekunder. Data diperoleh secara tidak langsung melalui media perantara. Data sekunder yang digunakan dalam penelitian ini adalah laporan auditan perusahaan dari www.idx.co.id .

3.8 Metode Pengumpulan Data

Metode pengumpulan data dalam penelitian ini adalah metode dokumentasi, yaitu pengumpulan data dilakukan dengan cara mempelajari catatan-catatan atau dokumen-dokumen perusahaan sesuai dengan data yang diperlukan.

3.9 Teknis Analisis

Keseluruhan data yang terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penelitian ini. Dalam menganalisis data, peneliti menggunakan program SPSS. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik.

3.9.1 Statistik Deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum, Universitas Sumatera Utara sum, range, kurtosis dan skewness kemencengan distribusi, sehingga secara kontekstual dapat lebih mudah dimengerti oleh pembaca.

3.9.2 Uji Asumsi Klasik

Uji asumsi klasik dilakukan untuk memastikan bahwa sampel yang diteliti terbebas dari gangguan multikolonieritas, autokorelasi, heteroskedastisitas dan normalitas.

3.9.2.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Model regresi yang baik memiliki distribusi data yang normal atau mendekati normal Ghozali, 2006. Pengujian normalitas ini dapat dilakukan melalui : 1. Analisis Grafik Salah satu cara termudah untuk melihat normal residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Namun demikian, dengan hanya melihat histogram dapat membingungkan, khususnya untuk jumlah sampel yang kecil. Metode lain yang dapat digunakan adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Dasar Universitas Sumatera Utara pengambilan keputusan dari analisis normal probability plot adalah sebagai berikut : a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka menunjukkan pola distribusi normal. Model regresi memenuhi asumsi normalitas. b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal serta tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas. 2. Analisis Statistik Untuk mendeteksi normalitas data, dapat pula dilakukan melalui analisis statistik Kolmogorov-Smirnov Test K-S. Uji K-S dilakukan dengan membuat hipotesis : H0 = Data residual terdistribusi normal. H1 = Data residual tidak terdistribusi normal. Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut : a. Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal. Universitas Sumatera Utara b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik, maka H0 diterima, yang berarti data terdistribusi normal.

3.9.2.2 Uji Multikolinieritas

Menurut Ghozali 2006 uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi korelasi. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari Tolerance Value atau Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi. Nilai cut-off yang umum adalah: 1. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi. 2. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapa disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi. Universitas Sumatera Utara

3.9.2.3 Uji Heterokedastisitas

Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heterokedastisitas dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Sumbu Y menjadi sumbu yang telah diprediksi dan sumbu X adalah residual Y prediksi-Y sesungguhnya yang telah di studentized. Deteksi ada tidaknya heterokedastisitas dapat dilakukan sebagai berikut Ghozali, 2006: a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, mengidentifikasikan telah terjadi heterokedastisitas. b.Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi heteroskedastisitas. Sebaliknya, jika tidak ada satu pun variabel Universitas Sumatera Utara independen yang signifikan secara statistik mempengaruhi variabel dependen, maka dapat disimpukan model regresi tidak mengandung heteroskedastisitas.

3.9.2.4 Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 sebelumnya. Terdapat beberapa cara untuk menguji ada atau tidaknya autokorelasi. Dalam penelitian ini uji autokorelasi dilakukan dengan mengggunakan uji run test. Uji run test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak sistematis. Ada atau tidaknya korelasi ditentukan dari signfikansi koefisien parameter residual. Jika signifikansi residual 0,05, maka dapat disimpulkan bahwa tidak terjadi autokorelasi.

3.9.3. Pengujian Hipotesis

Menurut Sugiyono 2006:250 analisis regresi ganda digunakan untuk meramalkan bagaimana keadaan naik turunnya variabel dependen, jika dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi dinaik turunkan Universitas Sumatera Utara nilainya. Model analisis ini dipilih karena penelitian ini dirancang untuk meneliti variabel bebas yang berpengaruh terhadap variabel tidak bebas. Persamaan regresi linear berganda dapat dirumuskan sebagai berikut: Y= a + b1X1 + b2X2 + b3X3 + e Keterangan : Y = Audit report lag b = Koefisien regresi X1 = Ukuran perusahaan a = Konstanta X2 = Ukuran KAP e = Faktor Pengganggu X3 = Opini auditor

3.9.3.1 Uji Regresi Parsial Uji Statistik t

Pengujian hipotesis untuk masing-masing variabel ukuran perusahaan, ukuran kantor akuntan publik dan opini auditor, terhadap jangka waktu pelaporan keuangan audit report lag menggunakan uji regresi parsial uji t. Uji regresi parsial merupakan pengujian yang dilakukan terhadap variabel dependen atau variabel terikat Imam Ghozali, 2005. Adapun mengenai hipotesis-hipotesis yang dilakukan dalam penelitian ini dirumuskan sebagai berikut : Universitas Sumatera Utara 1 Jika prob. 0.05 atau t hitung t tabel maka variabel X secara individu Parsial memiliki pengaruh yang signifikan terhadap variabel Y. 2 Jika prob. 0.05 atau t hitung t tabel maka variabel X secara individu Parsial tidak memiliki pengaruh yang signifikan terhadap variabel Y.

3.9.3.2 Uji Hipotesis Analisis Simultan Uji F

Uji F digunakan untuk menguji apakah model regresi dapat digunakan untuk memprediksi variabel dependen. Hipotesis akan diuji dengan menggunakan tingkat signifikansi α sebesar 5 persen atau 0.05. Kriteria penerimaan atau penolakan hipotesis akan didasarkan pada nilai probabilitas signifikansi. Jika nilai probabilitas signifikansi 0.05, maka hipotesis diterima. Hal ini berarti model regresi dapat digunakan untuk memprediksi variabel independen. Jika nilai probabilitas signifikansi 0.05, maka hipotesis ditolak. Hal ini berarti model regresi tidak dapat digunakan untuk memprediksi variabel dependen. Universitas Sumatera Utara BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum

Di dalam bab ini disajikan analisis terhadap data yang telah diperoleh selama pelaksanaan penelitian. Data yang digunakan dalam penelitian adalah perusahaan manufaktur yang terdaftar di BEI. Jumlah perusahaan manufaktur yang terdaftar di BEI pada tahun 2010 hingga tahun 2012 adalah sebanyak 135 perusahaan. Keseluruhan data tersebut kemudian diambil sesuai kriteria yang telah dipilih berdasarkan metode purposive sampling sehingga data yang terkumpul sebanyak 33 perusahaan. Berdasarkan 33 perusahaan manufaktur tersebut, kemudian dilakukan pengujian-pengujian meliputi statistik deskriptif, uji asumsi klasik dan uji hipotesis penelitian. 4.2 Hasil Penelitian

4.2.1 Analisis Statistik Deskriptif

Informasi yang dibutuhkan dalam penelitian ini adalah data sekunder yang diperoleh dari www.idx.co.id berupa data keuangan perusahaan manufaktur dari tahun 2010-2012 yang dijabarkan dalam bentuk statistik. Variabel yang digunakan dalam penelitian ini adalah ukuran perusahaan total asset, ukuran kantor akuntan publik, dan jenis opini audit sebagai variabel independen dan audit report lag sebagai variabel dependennya. Statistik deskriptif dari variabel tersebut dari sampel Universitas Sumatera Utara perusahaan manufaktur go public yang terdaftar di BEI selama 2010 hingga 2012 disajikan dalam tabel dibawah ini: Tabel 4.1 Analisis Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation Ukuran Perusahaan 99 25.40 31.70 28.6768 1.31528 Ukuran KAP 99 1 .73 .448 Opini Auditor 99 3 5 4.45 .594 Audit Report Lag 99 36 243 78.92 30.181 Valid N listwise 99 Sumber : SPSS 17, Data diolah 2014 Berikut ini adalah perincian deskriptif dari data yang telah diolah: 1. Variabel ukuran perusahaan total assets memiliki nilai minimum 25,40 nilai maksimum 31,70 dan rata-rata 28,67 dengan jumlah sampel 99. 2. Variabel ukuran KAP memiliki nilai minimum 0, nilai maksimum 1 dan rata-rata 0.73 dengan jumlah sampel 99. 3. Variabel opini audit memiliki nilai minimum 3, nilai maksimum 5 dan rata-rata 4,45 dengan jumlah sampel 99. 4. Variabel audit report lag memiliki nilai minimum 36, nilai maksimum 243 dan rata-rata 78,92 dengan jumlah sampel 99. 4.2.2 Asumsi Klasik 4.2.2.1 Uji Normalitas

1. Grafik

Universitas Sumatera Utara Pengujian dengan grafik histogram dengan kriteria pola distribusi yang tidak menceng ke kiri dan kekanan maka dapat dinyatakan bahwa distribusi data berasal dari populasi yang terdistribusi normal.Pengujian normalitas menggunakan P-P Plot, dengan kriteria, apabila titik-titik pada P-P Plot berada pada garis lurus, maka dapat dinyatakan bahwa distribusi data berasal dari populasi yang terdistribusi normal. Gambar 4.1 Histogram Normalitas Data Universitas Sumatera Utara Gambar 4.2 P-P Plot Normalitas Data Berdasarkan hasil histogram dan diagram P-P Plot diatas dapat diketahui bahwa grafik histogram mmeberikan pola distribusi yang normal dan titik-titik menyebar di sekitar garis lurus, seperti tampak pada gambar p-plot di atas. Hal ini berarti bahwa data penelitian ini telah diambil dari populasi yang terdistribusi normal.

2. Uji Statistik

Untuk mendeteksi normalitas data, dapat pula dilakukan melalui analisis statistik Kolmogorov-Smirnov Test K-S. Uji K-S dilakukan dengan membuat hipotesis : H0 = Data residual terdistribusi normal. H1 = Data residual tidak terdistribusi normal. Universitas Sumatera Utara Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut: a. Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal. b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara statik maka H0 diterima, yang berarti data terdistribusi normal. Tabel 4.2 Uji Normalitas Data One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 99 Normal Parameters a Mean .0000000 Std. Deviation 27.18517868 Most Extreme Differences Absolute .129 Positive .129 Negative -.080 Kolmogorov-Smirnov Z 1.280 Asymp. Sig. 2-tailed .076 a. Test distribution is Normal. Sumber: SPSS 17, Data diolah 2014 Dari hasil pengolahan data tersebut, besar nilai Kolmogorov-Smirnov adalah 1,280 dan signifikansi pada 0,076 maka disimpulkan data terdistribusi secara normal karena p=0,0760,05 yang menunjukkan Ho diterima. Hal ini sejalan dengan hasil yang didapatkan dari uji grafik normal diagram dan plot data.

4.2.2.2 Uji Multikolineritas

Pengujian multikolinearitas dilakukan untuk membuktikan apakah ubahan atau variabel bebas pada penelitian ini dapat diasumsikan tidak saling Universitas Sumatera Utara berintervensi ketika dibuat pemodelan dengan variabel terikat. Kriteria dinyatakan bahwa variabel bebas tidak saling intervensi satu sama lain ketika 1. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi. 2. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapa disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi. Pengujian multikoleniaritas dapat ditunjukkan sebagai berikut: Tabel 4.3 Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 Constant Ukuran Perusahaan .944 1.059 Ukuran KAP .954 1.048 Opini Auditor .986 1.014 Sumber: SPSS 17, Data diolah 2014 Pada tabel rangkuman hasil uji multikolinearitas di atas, diperoleh harga VIF tidak ada yang melebihi dari nilai 10 dan Tolerance 0,10. Dengan demikian dapat disimpulkan bahwa model regresi tersebut tidak terdapat masalah multikolinieritas antar variabel independen dalam model regresi.

4.2.2.3 Uji Heterokedastisitas

Uji heteroskedastisitas digunakan untuk mengetahui apakah residu pada model regresi bersifat heterogen atau homogen. Apabila bersifat heterogen, akan Universitas Sumatera Utara menyebabkan model regresi tidak mampu meramalkan dengan akurat, karena memiliki residu yang tidak teratur. Pada penelitian ini untuk mengatahui ada atau tidaknya problem heteroskedastisitas digunakan scatter plot. Kriterianya adalah apabila titik-titik pada scatter plot atau diagram pencar tidak membentuk pola tertentu, maka dapat dinyatakan bahwa model regresi tidak terkendala heteroskedastisitas. Gambar 4.3 Uji Heterokedasitas Data Berdasarkan grafik scatter plot diatas dapat disimpulkan bahwa model regresi tidak terkendala heteroskedastisitas, karena diagram pencar tidak membentuk pola tertentu. Universitas Sumatera Utara 4.2.2.4 Uji Autokorelasi Dalam penelitian ini uji autokorelasi dilakukan dengan mengggunakan uji run test. Uji run test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak sistematis. Ada atau tidaknya korelasi ditentukan dari signfikansi koefisien parameter residual. Jika signifikansi residual 0,05, maka dapat disimpulkan bahwa tidak terjadi autokorelasi. Tabel 4.4 Uji Autokorelasi-Run Test Runs Test Unstandardized Residual Test Value a -1.52555 Cases Test Value 49 Cases = Test Value 50 Total Cases 99 Number of Runs 41 Z -1.919 Asymp. Sig. 2-tailed .055 a. Median Sumber: SPSS 17, Data diolah 2014 Dari hasil pengujian yang diperoleh dari tabel 4.4 menunjukkan nilai test adalah sebesar -1,52555 dengan probabilitas 0,055 yang berarti di atas signifikansi 0,05 0,055 0,05. Hal ini menunjukkan bahwa nilai residual acak atau random, sehingga dapat disimpulkan bahwa dalam penelitian ini tidak terjadi autokorelasi antar nilai residual. Universitas Sumatera Utara

4.3 Persamaan Regresi

Penelitian ini menggunakan regresi linear, dilakukan dengan menggunakan metode enter, dimana semua variabel dimasukkan untuk mencari hubungan antara variabel independen dan variabel dependen melalui meregresikan. Dari pengujian asumsi klasik dapat disimpulkan bahwa model regresi dapat digunakan dalam pengolahan data. Untuk menguji hipotesis digunakan uji regresi berganda. Berdasarkan pengolahan data dengan menggunakan SPSS 17, maka diperoleh hasil sebagai berikut: Tabel 4.5 Uji Regresi Data Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 125.074 63.037 1.984 .050 Ukuran Perusahaan 1.399 2.182 .061 .641 .523 Ukuran KAP -22.020 6.378 -.327 -3.453 .001 Opini Auditor -15.770 4.731 -.310 -3.333 .001 a. Dependent Variable: Auditor Report Lag Sumber: SPSS 17, Data diolah 2014 Berdasarkan tabel diatas diperoleh persamaan regresi sebagai berikut: AR =125,074 + 1,399 TA - 22,020 KAP - 15,770 AO Maksudnya adalah: 1. Konstanta sebesar 125,074 menunjukkan bahwa jika tidak ada variabel ukuran perusahaan, ukuran KAP dan jenis opini audit maka audit report lagnya adalah 125 hari. Universitas Sumatera Utara 2. Setiap terjadi kenaikan pada variabel ukuran perusahaan akan diikuti kenaikan pada variabel AR sebesar 1,399 satuan dan variabel lainnya dianggap konstan. 3. Setiap terjadi kenaikan pada variabel ukuran KAP akan diikuti penurunan pada variabel AR sebesar -22,020 satuan dan variabel lainnya dianggap konstan. 4. Setiap terjadi kenaikan pada variabel ukuran perusahaan akan diikuti penurunan pada variabel AR sebesar -15,770 satuan dan variabel lainnya dianggap konstan.

4.4 Analisis Koefisien Korelasi dan Determinasi