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