Jenis Data Gambaran Umum Pembahasan Hasil Penelitian

18 BCIC Bank Mutiara Tbk 19 BBNI Bank Negara Indonesia Tbk 20 BBNP Bank Nusantara Pharayangan Tbk 21 BTPN BankTabunganPensiunan Nasional Tbk 22 NISP Bank OCBC NISP Tbk 23 PNBN Bank Pan Indonesia Tbk 24 BNLI Bank Permata Tbk 25 BBRI Bank Rakyat Indonesia Tbk 26 BSIM Bank Sinarmas Tbk 27 BVIC Bank Victoria Internasional Tbk 28 MCOR BankWindu Kentjana International Tbk 29 BBTN Bank Tabungan Negara Tbk

3.7 Jenis Data

Menurut Idrus 2009 : 61 “data adalah segala keterangan informasi mengenai semua hal yang berkaitan dengan tujuan penelitian”. Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data penelitian yang diperoleh peneliti secara tidak langsung. Data yang dibutuhkan dalam penelitian ini adalah informasi laporan keuangan pada periode 2010-2013. Data yang dibutuhkan adalah data proporsi komisaris independen, komite audit, leverage dan total aktiva. Sumber data adalah laporan keuangan perusahaan sampel yang diperoleh dari situs www.idx.co.id. 3.8 Metode Pengumpulan Data Pengumpulan data sekunder dalam penelitian ini dilakukan dengan dua tahap. Tahap pertama adalah studi pustaka, dengan mengumpulkan data dari jurnal, abstrak, dan buku yang berkaitan dengan penelitian. Tahap kedua adalah studi dokumentasi, dengan mengumpulkan data berupa laporan keuangan dan informasi lain yang berkaitan dengan penelitian melalui media internet situs Universitas Sumatera Utara www.idx.co.id dengan cara men-download laporan keuangan perusahaan yang dibutuhkan.

3.9 Teknik Analisis Data

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 Analisis Statistik Deskriptif Analisis statistik menurut Gozali 2006:19 ialah “memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range kurtosisdan swekness kemencengan distribusi”. Dalam penelitian ini Analisis deskriptif meliputi jumlah, sampel, nilai minimum, nilai maksimum, nilai rata-rata mean dan standar deviasi. Minimum digunakan untuk mengetahui jumlah terkecil data yang bersangkutan bervariasi dari rata-rata. Maksimum digunakan untuk mengetahui jumlah terbesar data yang bersangkutan. Mean digunakan untuk mengetahui rata-rata data yang bersangkutan. Standar deviasi digunakan untuk mengetahui seberapa besar data yang bersangkutan bervariasi dari rata-rata.

3.9.2 Uji Asumsi Klasik

Model penelitian sebaiknya diuji terlebih dahulu asumsi klasiknya untuk memastikan tidak adanya bias atau rancu yang dapat membuat hasil penelitian menjadi tidak akurat. Pengujian asumsi klasik yang digunakan Universitas Sumatera Utara dalam penelitian ini adalah uji normalitas, uji multikolinieritas, uji heteroskedastisitas, uji autokorelasi.

3.9.2.1 Uji Normalitas

Menurut Erlina 2011 :100 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. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Model regresi yang baik hendaknya harus memiliki distribusi normal atau mendekati normal. Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual berdisribusi normal atau tidak, yaitu analisis statistik dan analisis grafik. Analisis statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal atau tidak yaitu dengan uji statistik non parametrik Kolmogorov-Smirnov atau yang biasa disingkat dengan K-S. Uji K-S dibuat dengan membuat Hipotesis : Ho : data residual berdistribusi normal Ha : data residual tidak berdistribusi normal Apabila nilai signifikan 0,05 dengan α = 5, berarti distribusi data normal Ho diterima, sebaliknya bila nilai signifikan 0,05 dengan α = 5, berarti distribusi data tidak normal Ha diterima. Universitas Sumatera Utara Pengujian normalitas dengan menggunakan analisis grafik dapat dilihat dengan grafik histogram dan normal profitability plot. Jika data menyebar di sekitar garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.

3.9.2.2 Uji Multikolinieritas

Multikolinieritas menuurut Erlina 2011:102 adalah “situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya”. Uji multikolinieritas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Sementara Menurut Gozhali 2006:91 menyatakan bahwa: Uji multikolinieritas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Untuk mendeteksi ada tidaknya multikolonieritas dalam model regresi dapat dilihat dari : 1 nilai tolerance dan lawannya, dan 2 Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance Universitas Sumatera Utara mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1 tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0.10 atau sama dengan VIF 10.

3.9.2.3 Uji Heteroskedastisitas

Menurut Ghozali 2006:105 Uji heteroskedastisitas ialah “bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain”. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau yang tidak terjadi heteroskedastisitas. Dalam penelitian cara yang dapat digunakan untuk mendeteksi masalah heterokedastisitas adalah Dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residunya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residul Yprediksi–Y sesungguhnya yang telah di-studentized. Dasar analisis yang digunakan untuk menentukan heteroskedastisitas antara lain : Universitas Sumatera Utara a. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

3.9.2.4 Uji Autokorelasi

Menurut Ghozali 2006:95 uji autokorelasi ini bertujuan “untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t- 1 atau sebelumnya”. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu sama lainya. Masalah ini timbul karena residul tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena “ganguan” pada seorang individukelompok cendrung mempengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnya . Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi di antaranya dengan Uji Durbin Watson. Pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali 2006: 96 adalah sebagai berikut: Universitas Sumatera Utara 1. Jika 0 d dl, keputusannya tolak, tidak ada autokorelasi positif, 2. Jika dl d du, keputusannya tidak ada, tidak ada autokorelasi positif, 3. Jika 4 – dl d 4, keputusannya tolak, tidak ada korelasi negatif, 4. Jika 4 – du d 4 – dl, keputusannya tidak ada, tidak ada korelasi negatif, 5. Jika du d 4- du, keputusanya tidak ditolak, tidak ada autokorelasi positif dan negatif. 5.9.3 Pengujian Hipotesis 5.9.3.1 Analisis Regresi Berganda Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda. Menurut Guzarati dalam Ghozali 2006: 81 Secara umum analisis regresi pada dasarnya adalah “studi mengenai ketergantungan variabel depnden terikat dengan satu atau lebuh variabel independen variabel penjelasbebas, dengan tujuan untk mengestimasi danatau memprediksi rata-rata populasi atau nilai rata- rata variabel dependen berdasarkan nilai variabel independen yang diketahui”. Model analisis ini dipilih karena penelitian ini dirancang untuk meneliti variabel bebas yang berpengaruh terhadap variabel tidak bebas. Data dianalisis dengan model regresi berganda sebagai berikut : Universitas Sumatera Utara Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + e Keterangan : Y = Lamanya penyelesaian audit Audit Report Lag Α = Konstanta β 1 , β 2 , β 3, β 4 = Koefisien Regresi X 1 = Komisaris independen X 2 = Komite Audit X 3 = Leverage X 4 = Ukuran Perusahaan e = Error tingkat kesalahan

3.9.3.2 Koefisien Determinasi

Analisis koefisien determinasi menurut Ghozali 2006:83 bertujuan “untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen”. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati 1 berarti variabel- variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen . Menurut Gujarati 2003 dalam Ghozali 2006: 83, jika dalam uji empiris didapat nilai adjusted R² negatif, maka nilai adjusted R² dianggap bernilai nol. Secara sistematis Ghozali 2011: 1. Jika nilai R² = 1, maka adjusted R² = R² = 1, Universitas Sumatera Utara 2. Jika nilai R² = 0, maka adjusted R² = 1-k n-k, 3. Jika k 1, maka adjusted R² akan bernilai negative.

3.9.3.3 Pengujian Koefisien Regresi Parsial Uji t

Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual atau parsial dalam menerangkan variasi variabel dependen. Dasar pengambilan keputusan adalah: Ho ditolak atau Ha diterima jika nilai signifikan t atau p value 5. H 1 : Komisaris independen, H 2 : Komite Audit, H 3 : Leverage ,H 4: Ukuran Perusahaan diuji masing-masing dengan menggunakan uji-t, dalam hal ini adapun kriteria yang digunakan adalah sebagai berikut : Ho diterima apabila t hitung t table Ha diterima apabila t hitung t table.

3.9.3.4 Pengujian Koefisien Regresi Serentak Uji F

Uji F digunakan untuk mengetahui apakah variabel independen komisaris independen, komite audit, leverage dan ukuran perusahaan secara bersama-sama mempunyai pengaruh terhadap audit report lag. Hipotesis akan diuji dengan menggunakan tingkat signifikansi a 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 Universitas Sumatera Utara 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

1.1 Gambaran Umum

Di dalam bab ini disajikan analisis terhadap data yang telah diperoleh selama pelaksanaan penelitian. Data yang digunakan dalam penelitian adalah perusahaan perbankan yang terdaftar di BEI. Jumlah perusahaan perbankan yang terdaftar di BEI pada tahun 2010-2013 adalah sebanyak 34 perusahaan. Keseluruhan data tersebut kemudian diambil sesuai kriteria yang telah dipilih berdasarkan metode purposive sampling sehingga data yang terkumpul sebanyak 29 perusahaan. Berdasarkan 29 perusahaan perbankan 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

Dalam penelitian ini statistik deskriptif digunakan untuk melihat nilai mean, nilai maximum, nilai minimum, dan standar deviasi dari variabel yang digunakan dalam penelitian ini yaitu: komisaris independen, komite audit, leverage dan ukuran perusahaan sebagai variable independen serta audit report lag sebagai variable dependen. Statistik deskriptif dari variabel tersebut dari sampel perusahaan perbankan yang terdaftar di BEI selama 2010- 2013 disajikan dalam tabel dibawah ini: Universitas Sumatera Utara Table 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation Komisaris Independen 116 .25 1.00 .5758 .11813 Komite Audit 116 2 8 3.99 1.198 Leverage 116 1.06 15.62 8.696 6 2.57147 Ukuran Perusahaan 116 7.35 13.51 10.45 33 1.61725 Audit Report Lag 116 15 163 66.87 21.343 Valid N listwise 116 Sumber : SPSS 18, Data diolah 2014 Berikut ini adalah perincian deskriptif dari data yang telah diolah: 1. Variabel Komisaris Independen memiliki jumlah sampel N sebanyak 116, dengan nilai minimum terkecil adalah 0,25 dan nilai maksimum terbesar adalah 1,00 serta mean nilai rata-rata 0,5758. Standart Deviation simpangan baku variabel in adalah 0,11813 2. Variabel Komite Audit memiliki jumlah sampel N sebanyak 116 dengan nilai minimum terkecil 2, nilai maksimum terbesar 8 dan mean nilai rata-rata 3,99. Standart Deviation simpangan baku variabel ini adalah 1,198. 3. Variabel Leverage memiliki jumlah sampel N sebanyak 116 dengan nilai minimum terkecil 1,06, nilai maksimum terbesar 15,62 dan mean nilai rata-rata 8,6966. Standart Deviation simpangan baku variabel ini adalah 2,57147. 4. Variabel Ukuran Perusahaan memiliki jumlah sampel N sebanyak 116 dengan nilai minimum terkecil 7,35 , nilai maksimum terbesar 13,51 Universitas Sumatera Utara dan mean nilai rata-rata 10,4533. Standart Deviation simpangan baku variabel ini adalah 1,61725. 5. Variabel audit report lag memiliki jumlah sampel N sebanyak 116, dengan nilai minimum terkecil adalah 15 berarti audit yang dilakukan paling cepat selama 15 hari dan nilai maksimum terbesar adalah 163 berarti audit yang dilakukan paling lama selama 163 dan mean nilai rata- rata 66,87. Standart Deviation simpangan baku variabel ini adalah 21,343. 4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas

1. Analisis Statistik

Pengujian normalitas data dalam penelitian ini menggunakan uji statistic non-parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis : H0 : data residual berdistribusi normal Ha : data residua l tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0,05 maka H0 diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H0 ditolak. Universitas Sumatera Utara Tabel 4.2 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 116 Normal Parameters a,b Mean .0000000 Std. Deviation 20.28843061 Most Extreme Differences Absolute .048 Positive .048 Negative -.040 Kolmogorov-Smirnov Z .521 Asymp. Sig. 2-tailed .949 a. Test distribution is Normal. b. Calculated from data. Sumber : Output SPSS 18, Diolah 2014 Tabel di atas menunjukkan bahwa taraf signifikansi adalah sebesar 0,949 yang berada di atas 0,05. Dengan demikian nilai residual terdistribusi secara normal sehingga model penelitian dinyatakan telah telah memenuhi asumsi normalitas.

2. Analisis Grafik

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. Universitas Sumatera Utara Gambar 4.1 Histogram Sumber: Output SPSS 18, Diolah 2014 Gambar 4.2 P-plot Normalitas Data Sumber : Output SPSS 18, Diolah 2014 Universitas Sumatera Utara Grafik histogram pada Gambar 4.1 yang menunjukkan bahwa kurva menyerupai bentuk lonceng dan tidak cenderung menceng ke kiri atau ke kanan Skewness. Demikian pula pada grafik Normal Probability Plot pada Gambar 4.2, terlihat titik-titik menyebar di sekitar garis diagonal dan mengikuti arah dari garis diagonal tersebut, Hal ini berarti bahwa data penelitian ini telah diambil dari populasi yang terdistribusi normal.

4.2.2.2 Uji Multikolinieritas

Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Kriteria dinyatakan bahwa variabel bebas tidak saling intervensi satu sama lain yaitu: 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 dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi. Universitas Sumatera Utara Pengujian multikoleniaritas dapat dilihat pada tabel berikut: Tabel 4.3 Uji Multikoleniaritas Coefficients a Model Unstandardized Coefficients Collinearity Statistics B Std. Error Toleranc e VIF Constant 78.192 18.337 Komisaris Independen 14.021 17.039 .915 1.093 Komite Audit .160 2.049 .616 1.624 Leverage 1.300 .772 .942 1.062 Ukuran Perusahaan -2.998 1.517 .616 1.623 Sumber : Output SPSS 18, Diolah 2014 Berdasarkan tabel 4.3 di atas dapat diketahui bahwa hasil uji multikolinearitas menunjukkan nilai tolerance lebih besar 0.10 dan nilai variance inflation factor VIF lebih kecil dari 10 untuk setiap variabel. Nilai tolerance yang dihasilkan untuk variabel Komisaris Independen, Komite audit, Leverage dan Ukuran Perusahaan sebesar 0,915; 0,616; 0,942 dan 0,616, sedangkan nilai VIF yang dihasilkan untuk variabel Komisaris independen, Komite Audit, Leverage dan Ukuran Perusahaan sebesar 1,093; 1,624; 1,062 dan 1,623. Berdasarkan hasl uji Multikolinieritas tersebut, maka dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independenya dan layak digunakan dalam penelitian ini. Universitas Sumatera Utara

4.2.2.3 Uji Heterokedastisitas

Dalam penelitian ini untuk mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat pola grafik scatterplot. Dasar pengambilan keputusannya adalah : 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian mnenyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, seperti titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. Hasil dari uji heterokedastitas dapat dilihat pada gambar berikut ini: Gambar 4.3 Uji Heterokedastisitas Sumber : Output SPSS 18, Diolah 2014 Universitas Sumatera Utara Berdasarkan grafik scatter plot diatas dapat disimpulkan terlihat bahwa titik menyebar secara acak baik diatas maupun dibawah angka nol pada sumbu Y tidak membentuk pola tertentu atau tidak teratur. Maka dapat disimpulkan bahwa tidak terjadi heteroskesdastisitas pada model regresi ini sehingga model ini layak untuk digunakan untuk melihat pengaruh Komisarsi Independen, Komite Audit, Leverage dan Ukuran Perusahaan terhadap audit report lag pada perusahaan perbankan yang terdaftar di BEI.

4.2.2.4 Uji Autokorelasi

Uji autokorelasi ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah autokorelasi, namun uji yang paling umum digunakan adalah Uji Durbin Watson, hipotesis yang akan diuji adalah H0 : tidak ada autokorelasi HA : ada autokorelasi Pengambilan keputusan ada tidaknya autokorelasi dilihat dengan kriteria sebagai berikut: 1. Jika 0 d dl, keputusannya tolak, tidak ada autokorelasi positif, 2. Jika dl d du, keputusannya tidak ada, tidak ada autokorelasi positif, 3. Jika 4 – dl d 4, keputusannya tolak, tidak ada korelasi negatif, Universitas Sumatera Utara 4. Jika 4 – du d 4 – dl, keputusannya tidak ada, tidak ada korelasi negatif. 5. Jika du d 4 – du, keputusan tidak ditolak, tidak ada autokorelasi positif atau negatif. Hasil uji autokorelasi dapat dilihat pada tabel berikut: Tabel 4.4 Uji Autokorelasi Model summary Model R R square Adjusted R Square Std. Error of the Estimate Durbin- watson 1 .331 a .096 .064 20.651 2.009 a. Predictors: Constant,Komisaris Independen, Komite Audit, Leverage, Ukuran Perusahaan b. Dependent Variable: Audit Report Lag Sumber : Output SPSS 18, Diolah 2014 Dari Tabel 4.4 diatas diperoleh Hasil perhitungan statistik Durbin Watson DW untuk model regresi sebesar 2,009 sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah data n = 116, serta k atau jumlah variabel independen = 4 diperoleh dilai dl sebesar 1,6265 dan du sebesar 1,7690 nilai di dapat dari tabel Durbin Watson. Dengan ini maka didapat 4-du = 2,231 dan 4-dl = 2,3735 karena nilai d 2,009 berada pada daerah antara du dan 4-du dud4-du, maka H0 diterima. Jadi dapat disimpulkan bahwa tidak terjadi autokorelasi pada model regresi. Karena variabel pengujian telah bebas dari autokorelasi maka layak dilakuka ke pengujian tahap selanjutnya. Universitas Sumatera Utara 4.2.3 Pengujian Hipotesis 4.2.3.1 Analisis Regresi Berganda Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda. Model analisis ini dipilih karena penelitian ini dirancang untuk meneliti variabel bebas yang berpengaruh terhadap variabel tidak bebas. Hasil analisis dengan menggunakan regresi linier berganda dapat dilihat pada Tabel berikut ini : Tabel 4.5 Hasil Anlisis Regresi Coefficients a Model Unstandardized Coefficients B Std. Error 1 Constant 78.192 18.337 Komisaris Independen 14.021 17.039 Komite Audit .160 2.049 Leverage 1.300 .772 Ukuran Perusahaan -2.998 1.517 Sumber: Output SPSS 18, Diolah 2014 Berdasarkan tabel diatas diperoleh persamaan berikut: Y = 78,192 + 14,021 X 1 + 0,160 X 2 + 1,300 X 3 – 2.998 X 3 + e Persamaan tersebut menunjukkan bahwa audit report lag dipengaruhi oleh Komisaris independen, komite audit, leverage dan ukuran perusahaan. Hasil tersebut dapat dijelaskan sebagai berikut : Universitas Sumatera Utara 1. Konstanta sebesar 78,192 menunjukkan bahwa jika tidak ada variabel Komisaris independen X1, komite audit X2, leverage X3 dan Ukuran perusahaan X4, maka audit report lag Y adalah 78 hari. 2. Setiap terjadi kenaikan pada variabel Komisaris Independen X1 akan diikuti kenaikan pada variabel audit report lag Y sebesar 14,021 satuan dan variabel lainnya dianggap konstan. 3. Setiap terjadi kenaikan pada variabel Komite audit X2 akan diikuti kenaikan pada variabel audit report lag Y sebesar 0,160 satuan dan variabel lainnya dianggap konstan. 4. Setiap terjadi kenaikan pada variabel Leverage X3 akan diikuti kenaikan pada variabel audit report lag Y sebesar 1,300 satuan dan variabel lainnya dianggap konstan. 5. Setiap terjadi kenaikan pada variable Ukuran perusahaan X4 akan diikuti penurunan pada variable audit report lag Y sebesar -2,998 satuan dan variable lainya dianggap konstan.

4.2.3.2 Koefisien Determinasi

Uji koefisien determinasi R 2 dilakukan untuk menunjukkan seberapa besar presentase variasi variabel independen yang digunakan dalam model mampu menjelaskan variasi variabel dependen. Nilai koefisien determinasi R 2 terletak diantara nol dan satu. Hasil uji koefisien determinasi dapat dilihat pada table berikut ini: Universitas Sumatera Utara Tabel 4.6 Uji Koefisien Determinasi Model Summary b Model R R square Adjusted R Square Std. Error of the Estimate 1 .331 a .096 .064 20.651 a.Predictors: constant, Komisaris independen, komite audit, leverage, ukuran perusahaan b.Dependen variable: Audit Report Lag Sumber : Output SPSS, Diolah 2014 Hasil uji koefisien determinasi pada tabel 4.6 menunjukkan besarnya R 2 0,96 atau 9,6. Dengan demikian besarnya pengaruh komisaris inependen, komite audit, leverage dan ukuran perusahaan terhadap audit report lag pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia 2010-2013 adalah hanya sebesar 9,6. Sedangkan sisanya adalah sebesar 90,4 adalah dipengaruhi oleh variabel lain yang tidak diteliti dalam penelitian ini. Standart Error of Estimate SEE pada penelitian ini 20,65. Semakin kecil nilai standart akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.

4.2.3.3 Pengujian Koefisien Regresi Parsial Uji t

Uji t digunakan untuk mengetahui apakah secara individu atau parsial variabel independen mempunyai pengaruh terhadap harga saham, dengan asumsi variabel independen lainnya konstan. Jika t hitung t tabel maka h o ditrima atau ha ditolak, sedangkan jika t hitung t tabel maka h o Universitas Sumatera Utara ditolak atau h a diterima. Dalam penelitian ini t tabel dihitung dengan menggunakan rumus n-k. Dimana : n : banyaknya observaasi k : banyaknya variabel bebas dan terikat Hasil pengujian koefisien regresi parsial dapat dilihat pada table berikut: Tabel 4.7 Uji t Coefficients a Model Unstandardized Coefficients Standardize d Coefficients T Sig. B Std. Error Beta 1 Constant 78.192 18.337 4.264 .000 Komisaris Independen 14.021 17.039 .078 .823 .412 Komite Audit .160 2.049 .009 .078 .938 Leverage 1.300 .772 .157 1.684 .095 Ukuran Perusahaan -2.998 1.517 -.227 -1.976 .051 a.Dependen Variabel : Audit Report Lag Sumber : Output SPSS 18, Diolah 2014 H a1 : Komisaris Independen X 1 berpengaruh terhadap audit report lag Y pada perusahaan perbankan yang terdaftar di BEI. Dari tabel 4.7 menunjukkan bahwa variabel Komisaris Independen X 1 memiliki t hitung sebesar 0,823 sedangkan t tabel 1.699 data t-tabel df = 116 pada tingkat signifikansi α = 5 sehingga t hitung t tabel maka Komisaris independen X 1 secara parsial tidak berpengaruh terhadap Universitas Sumatera Utara audit report lag Y . Signifikansi penelitian menunjukkan signifikansi yang lebih kecil dari 0,05 0,412 0,05 maka Ho diterima dan H a1 ditolak sehingga Komisaris Independen X 1 tidak berpengaruh signifikan terhadap audit report lag Y. H a2 : Komite Audit X 2 berpengaruh terhadap audit report lag Y pada perusahaan perbankan yang terdaftar di BEI. Dari tabel 4.7 menunjukkan bahwa variabel Komite audit X 2 memiliki t hitung sebesar 0,078 sedangkan t tabel 1.699 data t-tabel df = 116 pada tingkat signifikansi α = 5 sehingga t hitung t tabel maka Komite audit X 2 secara parsial tidak berpengaruh terhadap audit report lag Y . Signifikansi penelitian menunjukkan signifikansi yang lebih besar dari 0,05 0,938 0,05 maka Ho diterima dan H a2 ditolak sehingga Komite X 2 audit tidak berpengaruh signifikan terhadap audit report lag Y. H a3 : Leverage X 3 berpengaruh terhadap audit report lag Y pada perusahaan perbankan yang terdaftar di BEI. Dari tabel 4.7 menunjukkan bahwa variabel Leverage X 3 yang diproksikan dengan DER memiliki t hitung sebesar 1,684 sedangkan t tabel 1.699 data t- tabel df = 116 pada tingkat signifikansi α = 5 sehingga t hitung t tabel maka Leverage X 3 secara parsial tidak berpengaruh terhadap audit report lag Y. Signifikansi penelitian menunjukkan signifikansi yang lebih besar dari 0,05 0,095 0,05 maka Ho diterima dan H a3 ditolak sehingga leverage X 3 tidak berpengaruh signifikan terhadap audit report lag Y. Universitas Sumatera Utara H a4 : Ukuran Perusahaan X 4 berpengaruh terhadap audit report lag Y pada perusahaan perbankan yang terdaftar di BEI. Dari tabel 4.7 menunjukkan bahwa variable Ukuran perusahaan X 1 yang diproksikan dengan LN total asset memiliki t hitung sebesar -1,976 sedangkan t tabel 1.699 data t- tabel df = 116 pada tingkat signifikansi α = 5 sehingga t hitung t tabel maka ukuran perusahaan X 4 secara parsial berpengaruh negatif terhadap audit report lag Y.Signifikansi penelitian menunjukkan signifikansi yang lebih besar dari 0,05 0,051 0,05 maka Ho ditolak dan H a4 diterima sehingga ukuran perusahaan X4 berpengaruh negatif dan tidak signifikan terhadap audit report lag Y.

4.2.3.4 Pengujian Koefisien Regresi Serentak Uji F

Uji signifikan simultan yang sering disebut dengan uji F ini dilakukan untuk menguji pengaruh yang ditimbulkan oleh keseluruhan variable dependen yang ada dalam model terhadap variabel independennya. 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. Hasil pengujian koefisien regresi simultan dapat dilihat pada tabel berikut ini: Universitas Sumatera Utara Tabel 4.8 Uji F ANOVA b Model Sum of Squares Df Mean Square F Sig. Regression 5050.712 4 1262.678 2.961 .023 a Residual 47336.348 111 426.454 Total 52387.060 115 a. Predictors: Constant, Komisaris Independen, Komite Audit, Leverage, Ukuran Perusahaan b. Dependent Variable: Audit Report Lag H a5 : Komisaris independen X 1 , Komite audit X 2 , leverage X 3 dan ukuran perusahaan X 4 tidak berpengaruh terhadap audit report lag Y pada perusahaan perbankan yang terdaftar di BEI. Dari uji ANOVA atau F test, diperoleh Fhitung sebesar 2,961 dengan tingkat signifikansi 0,23 sedangkan Ftabel sebesar 2,78 dengan signifikansi 0,05. Berdasarkan hasil tersebut dapat disimpulkan bahwa Komisaris independen X 1 , komite audit X 2 , leverage X 3 dan ukuran perusahaan X 4 , secara simultan berpengaruh terhadap audit report lag Y karena Fhitung Ftabel 2,961 2,78 dan signifikansi penelitian 0.05 0.023 0.05. Hal ini menunjukkan bahwa uji layak digunakan dalam penelitian terhadap audit report lag Y artinya juga bahwa variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. Universitas Sumatera Utara

4.3 Pembahasan Hasil Penelitian

Dari gambar 4.1 dapat dilihat bahwa variabel komisaris independen memiliki nilai minimum 0,25, nilai maksimum 1,00 dan rata-rata 0,5758. Variabel komite audit memiliki nilai minimum 2, nilai maksimum 8 dan rata-rata 3,99 . Variabel leverage memiliki nilai minimum 1,06, nilai maksimum 15,62 dan rata-rata 8,6966. Variabel ukuran perusahaan minimum 7,35 , nilai maksimum 13,51 dan mean nilai rata-rata 10,4533. Variabel audit report lag memiliki dengan nilai minimum adalah 15 hari berarti audit yang dilakukan paling cepat selama 15 hari dan nilai maksimum adalah 163 berarti audit yang dilakukan paling lama selama 163 dan mean 66,87. Hasil dari uji asumsi klasik yang telah dilakukan menunjukkan bahwa data terdistribusi normal, tidak terdapat multikolinearitas, tidak terjadi autokorelasi dan tidak terdapat heterokedastisitas. Oleh karena itu data yang digunakan telah memenuhi syarat untuk diterapkan dalam model persamaan regresi linear berganda. Dari hasil pengolahan data sebagaimana yang ditunjukkan pada tabel 4.6 didapatkan nilai koefisien determinasi R 2 sebesar 0,096 menunjukkan bahwa secara keseluruhan variabel independen dapat menjelaskan perubahan variabel dependen sebasar 9,6 , sedangkan variabel-variabel lain yang tidak dijelaskan dalam penelitian ini mampu menjelaskan sebesar 90,4 . Berdasarkan pengujian hipotesis dapat kita ketahui bahwa komisaris independen secara parsial tidak berpengaruh terhadap audit report lag . Dapat disimpulkan bahwa besar kecilnya proporsi komisaris independen tidak akan Universitas Sumatera Utara mempengaruhi panjangnya audit report lag. Hal ini sejalan dengan hasil penelitian wardhani 2013 Namun hal ini tidak sejalan dengan hasil penelitian swami dan latrini 2013. Untuk variabel komite audit secara parsial tidak berpengaruh signifikan terhadap audit report lag. Hasil penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh Wijaya 2012. Hal ini menunjukkan bahwa besar kecilnya jumlah anggota komite audit tidak mempengaruhi panjangnya audit report lag. Untuk variabel leverage yang diproksikan dengan DER secara parsial tidak berpengaruh signifikan terhadap audit report lag hal ini sejalan dengan penelitian stephani 2010. Namun tidak sejalan dengan penelitian bustamam dan kamal 2010 yang menyatakan leverage berpengaruh terhadap audit report lag. Hal ini juga bertentangan dengan teori yang telah dipaparkan sebelumnya yang menyatakan perusahaan yang memiliki tingkat leverage tinggi audit report lag-nya akan semakin lama. Kemungkinan hal ini terjadi karena sampel adalah perusahaan perbankan yang memiliki tingkat leverage tinggi. Pada perusahaan perbankan total kewajiban sangat tinggi bila di bandingkan dengan ekuitas. Sebab seluruh asset perusahaan perbankan berasal dari kewajiban. Sehingga DER nya tinggi pula, namun perusahaan perbankan memiliki tanggal terbit laporan auditor yang singkat dibawah 90 hari, jadi DER yang tinggi tidak terpengaruh terhadap audit report lag pada sampel perusahaan perbankan. Untuk variabel ukuran perusahaan secara parsial berpengaruh negatif terhadap audit report lag. Hal ini sejalan dengan penelitian Sutapa dan wirakusuma 2012 menemukan bahwa ukuran perusahaan berpengaruh negatif terhadap audit report Universitas Sumatera Utara lag yang artinya semakin kecil perusahaan maka audit report lag-nya akan semakin pendek, hal ini dapat terjadi karena perusahaan yang kecil tidak memiliki kompleksitas transaksi yang besar pula, sehingga waktu yang dibutuhkan oleh seorang auditor untuk mengaudit perusahaan kecil lebih cepat daripada perusahaan besar. Namun penelitian ini tidak sesuai dengan penelitian susanto 2013. Universitas Sumatera Utara BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan