Dari tabel 4.4 dan tabel 4.5 di atas dapat dilihat bahwa nilai -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan
konstanta yang dapat dilihat pada step 2, memperoleh nilai sebesar 82,911. Kemudian pada tabel selanjutnya dapat dilihat nilai -2 log likelihood akhir dengan
block number = 1, nilai -2 log likelihood pada tabel 4.5 mengalami perubahan setelah masuknya beberapa variabel independen pada model penelitian, akibatnya
nilai -2 log likelihood akhir pada step 20 menunjukkan nilai 76,552. Adanya pengurangan nilai antara -2 log likelihood awal dengan nilai -2 log
likelihood akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2005:219. Penurunan nilai -2 log likelihood menunjukkan bahwa
model penelitian ini dinyatakan fit, artinya penambahan variabel bebas yaitu debt to equity ratio, return on asset, total asset, umur perusahaan dan struktur
kepemilikan ke dalam model penelitian akan memperbaiki model fit penelitian ini.
4. Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan
menggunakan goodness of fitness test yang diukur dengan nilai chi square pada bagian bawah uji hosmer and lameshow.
Tabel 4.6 Hosmer and Lemeshow Test
Step Chi-square Df
Sig. 1
4.398 8
.820 Sumber : Hasil Pengolahan SPSS, 2010
Universitas Sumatera Utara
Hasil pengujian statistik menunjukkan probabilitas signifikansi sebesar 0,820. Nilai signifikansi yang diperoleh ini lebih besar dari 0,05, maka H
tidak dapat ditolak diterima. Hal ini menunjukkan bahwa model regresi layak untuk
digunakan dalam analisis selanjutnya, karena tidak ada perbedaan nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
Tabel 4.7
Contingency Table for Hosmer and Lemeshow Test
KW = Tidak Tepat Waktu
KW = Tepat Waktu Total
Observed Expected Observed Expected Step 1 1
5 4.410
1 1.590
6 2
3 3.746
3 2.254
6 3
3 3.541
3 2.459
6 4
4 3.311
2 2.689
6 5
4 3.086
2 2.914
6 6
2 2.705
4 3.295
6 7
3 2.204
3 3.796
6 8
1 1.969
5 4.031
6 9
1 1.803
5 4.197
6 10
2 1.225
4 4.775
6 Sumber : Hasil Pengolahan SPSS, 2010
Dari tabel kontinjensi untuk uji hosmer and lameshow, dapat dilihat bahwa dari 10 langkah pengamatan untuk kategori perusahaan dengan kondisi tepat
waktu 1 maupun kondisi tidak tepat waktu 0, nilai yang diamati maupun nilai yang diprediksi, tidak mempunyai perbedaan yang terlalu ekstrim. Ini
Universitas Sumatera Utara
menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya.
5. Hasil Pengujian Hipotesis
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh dari variabel-variabel bebas terhadap ketepatan waktu pelaporan keuangan.
Pengujian dengan regresi logistik ditunjukkan dalam tabel berikut ini :
Tabel 4.8 Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
60 100.0
Missing Cases .0
Total 60
100.0 Unselected Cases
.0 Total
60 100.0
a. If weight is in effect, see classification table for the total number of cases.
Sumber : Hasil Pengolahan SPSS, 2010 Berdasarkan tabel 4.8 di atas dapat diambil analisis sebagai berikut:
a. jumlah observasi sebanyak 60, dan seluruh observasi telah diperhitungkan ke dalam pengujian hipotesis
b. tidak ada variabel dependen yang dikeluarkan dengan nilai dummy variabel. Variabel dependen bernilai 1 untuk kategori tepat waktu dan
bernilai 0 untuk kategori tidak tepat waktu.
Universitas Sumatera Utara
c. metode yang digunakan untuk memasukkan data adalah metode enter dimana dengan menggunakan metode ini seluruh variabel bebas
independen disertakan dalam analisis data untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
Selanjutnya, variabilitas antara variabel dependen dengan variabel independen ditampilkan pada tabel 4.9 di bawah ini.
Tabel 4.9 Model Summary
Step -2 Log
likelihood Cox Snell
R Square Nagelkerke R
Square 1
76.552
a
.101 .134
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than
.001.
Sumber : Hasil Pengolahan SPSS, 2010 Berdasarkan tabel 4.9 di atas, dapat dilihat hasil analisis regresi logistik
secara keseluruhan menunjukkan nilai Cox Snell R Square sebesar 0,101. Cox Snell R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai
maksimum kurang dari satu, sehingga sulit untuk diinterpretasikan. Nagelkerke’s R
2
merupakan modifikasi dari koefisien Cox dan Snell. Untuk memastikan bahwa nilainya bervariasi dari satu 1 sampai dua 2, dilakukan dengan cara membagi
nilai Cox dan Snell R
2
dengan nilai maksimumnya. Nilai Nagelkerke’s R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Dilihat dari hasil output pengolahan data nilai Nagelkerke’s R
2
menunjukkan angka sebesar 0,134 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel
Universitas Sumatera Utara
independen adalah sebesar 13,4, sedangkan 86,6 dijelaskan oleh variabel lain diluar model.
a. Matriks Klasifikasi Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model
regresi untuk memprediksi ketepatan waktu pelaporan keuangan perusahaan. Tabel 4.10
Classification Table
a
Observed Predicted
KW Percentage
Correct Tidak Tepat
Waktu Tepat
Waktu Step 1 KW
Tidak Tepat Waktu
18 10
64.3 Tepat Waktu
11 21
65.6 Overall Percentage
65.0 a. The cut value is .500
Sumber : Hasil Pengolahan SPSS, 2010
Tabel 4.10 di atas menunjukkan kekuatan prediksi dari model regresi untuk memprediksi ketepatan waktu pelaporan keuangan. Kekuatan prediksi
model untuk peringkat tepat waktu adalah sebesar 65,6. Ini menunjukkan bahwa dengan menggunakan model regresi yang digunakan ada 21 unit analisis
yang diprediksi tepat waktu dalam pelaporan keuangan dari total 32 unit analisis yang mendapatkan peringkat tepat waktu dalam pelaporan keuangan. Kekuatan
prediksi model untuk peringkat tidak tepat waktu adalah sebesar 64,3, yang
Universitas Sumatera Utara
berarti bahwa model regresi yang diajukan ada 18 unit analisis yang tepat waktu dalam pelaporan keuangan dari 28 unit analisis yang diobservasi.
b. Menguji Koefisien Regresi Tabel 4.11 menunjukkan hasil pengujian dengan regresi logistik.
Tabel 4.11
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
95.0 C.I.for EXPB Lower
Upper Step
1
a
DER -.289
.348 .693
1 .405
.749 .379
1.480 ROA
3.488 7.705
.205 1
.651 32.721
.000 1.183E8
TA .000
.000 2.476
1 .116
1.000 1.000
1.000 UP
-.068 .046
2.196 1
.138 .935
.855 1.022
SK .008
.018 .188
1 .664
1.008 .973
1.043 Constant
.219 1.040
.044 1
.833 1.245
a. Variables entered on step 1: DER, ROA, TA, UP, SK.
Sumber : Hasil Pengolahan SPSS, 2010 Tabel 4.11 di atas memperlihatkan hasil pengujian hipotesis regresi
logistik pada tingkat signifikansi lebih besar dari 5 sehingga variabel Debt to Equity Ratio DER, Return on Asset ROA, Total Asset TA, Umur Perusahaan
UP, dan Struktur Kepemilikan SK tidak berpengaruh signifikan terhadap ketepatan waktu pelaporan keuangan.
Dari hasil pengujian hipotesis tersebut pada kolom B maka diperoleh model persamaan regresi logistik sebagai berikut :
Y= 0,219 – 0,289X
1
+ 3,488X
2
+ 0,000X
3
– 0,068X
4
+ 0,008X
5
Universitas Sumatera Utara
Konstanta sebesar 0,219 menyatakan bahwa jika tidak memperhitungkan nilai DER, ROA, TA, UP, dan SK, maka kemungkinan ketepatan waktu pelaporan
keuangan perusahaan sebesar 0,219.
C. Pembahasan Hasil Penelitian
1. Hubungan Debt to Equity Ratio dengan Ketepatan Waktu Pelaporan Keuangan Hasil pengujian regresi logistik di atas menunjukkan bahwa variabel debt
to equity ratio memiliki nilai koefisien negatif sebesar -0,289 dengan tingkat signifikansi sebesar 0,405 lebih besar dari 0,05. Dapat disimpulkan bahwa debt
to equity ratio tidak berpengaruh signifikan terhadap ketepatan waktu pelaporan keuangan. Hasil ini sejalan dengan penelitian yang dilakukan oleh Almilia dan
Setiady 2006 dan bertentangan dengan penelitian yang dilakukan oleh Catrinasari 2006. Hal ini tidak sesuai dengan logika teori yang dipaparkan
sebelumnya, bahwa perusahaan dengan tingkat solvabilitas yang tinggi cenderung terlambat menyampaikan laporan keuangan.
2. Hubungan Return on Asset dengan Ketepatan Waktu Pelaporan Keuangan Hasil pengujian regresi logistik di atas menunjukkan bahwa variabel
return on asset memiliki nilai koefisien positif sebesar 3,488 dengan tingkat signifikansi sebesar 0,651 lebih besar dari 0,05. Dapat disimpulkan bahwa
return on asset tidak berpengaruh signifikan terhadap ketepatan waktu pelaporan keuangan. Hasil ini sejalan dengan penelitian yang dilakukan oleh Almilia dan
Universitas Sumatera Utara
