dengan nilai rata-rata sebesar 69 dan standar deviasi sebesar 20,79,.Pada variabel dependen Audit timeliness TIME yang diukur dengan prinsip
konservatisme menunjukkan nilai minimum sebesar 0 dan nilai maksimum sebesar 1 dengan nilai rata-rata sebesar 0,04 dan standar deviasi sebesar
0,207. Variabel SIZE, KAUD, ARLAG, TIME memiliki nilai rata-rata
lebih besar dari nilai standar deviasi.Hal ini menunjukkan bahwa kualitas data dari variabel tersebut baik, karena nilai rata-rata yang lebih besar dari
nilai standar deviasinya mengidentifikasikan bahwa standar error dari variabel tersebut kecil.
4.2.2 Hasil Uji Model
4.2.2.1 Hasil Uji Kesesuaian Keseluruhan Model
Pengujian dalam penelitian ini dilakukan dengan membandingkan nilai antara -2 Log Likelihood -2LL pada awal
Block Number = 0 dengan nilai -2 Log Likelihood -2LL pada akhir Block Number= 1. Nilai -2LL awal adalah 33,640.Setelah
dimasukkan variabel independen, makanilai -2LL akhir mengalami penurunan menjadi 32,728. Penurunan Likelihood -2LL ini
menunjukkan model regresi yang lebih baik ataudengan kata lain model yang dihipotesiskan fit dengan data Ghozali,2013.Hasil
Uji kesesuaian keseluruhan model dapat dilihat pada tabel 4.4.
TABEL 4.4 Hasil Uji Keseluruhan Model
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant LNSIZE
KAUD ARLAG
Step 1 1
34,731 -38,037
2,776 -,354
,020 2
18,992 -77,940
5,737 -,837
,045 3
11,310 -115,443
8,446 -1,466
,082 4
5,544 -140,261
9,896 -2,000
,156 5
2,357 -138,832
9,103 -2,294
,249 Step 2
1 35,167
-2,941 -,223
,018 2
19,440 -5,535
-,546 ,045
3 11,637
-8,960 -1,019
,082 4
5,568 -15,826
-1,465 ,160
5 2,350
-24,451 -1,790
,253 Step 3
1 35,452
-3,249 ,021
2 20,166
-6,267 ,050
3 12,710
-10,361 ,093
4 6,218
-18,471 ,184
5 2,570
-28,515 ,291
Step 4 1
35,308 -22,993
1,554 ,022
2 20,156
-34,287 2,209
,051 3
12,718 -25,033
1,156 ,094
4 6,217
-13,210 -,415
,184 5
2,554 -2,350
-2,064 ,290
Initial -2 Log Likelihood: 32,728
4.2.2.2 Hasil Uji Kelayakan Model Regresi Hosmer and
Lemeshow’s Goodness Of Fit Test
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Pengujian
menunjukkan nilai Chi-square sebesar 0,569 dengan signifikansi sebesar 1. Berdasarkan hasil tersebut, karena nilai signifikansi
lebih besar dari 0,05 maka model dapat disimpulkan mampu memprediksi nilai observasinya atau dapat dikatakan model dapat
diterima karena cocok dengan data observasinya Ghozali, 2013. Berikut Tabel 4.5 yang menunjukkan hasil pengujian Hosmer and
Lemeshow’s Goodness of Fit Test. Tabel 4.5
Uji Kelayakan Model Regresi Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 ,373
8 1,000
2 ,487
8 1,000
3 ,406
8 1,000
4 ,569
8 1,000
Sumber : Output SPSS
4.2.2.3 Hasil Uji Koefisien Determinasi
Nagelkerke R Square
Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Nagelkerke R. Squuare. Nilai
Nagelkerke R. Square adalah 0,934 yang berarti variabilitas variabel dependen yang dapat dijelaskanoleh variabel independen
adalah sebesar 93 sedangkan sisanya 7 dapat dijelaskan oleh variabel-variabel lain di luar model penelitian. Hasi pengujian
Koefisien determinasi Nagelkerke R. Squuare dapat dilihat pada tabel 4.6 sebagaimana berikut ini:
Tabel 4.6 Uji Koefisien Determinasi
Nagelkerke R Square
4.2.2.4 Hasil Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi apakah perusahaan melaporkan
laporan keuangan auditan tepat waktu atau tidak tepat waktu. Berikut tampilan tabel 4.7 beserta penjelasannya.
Model Summary
Step -2 Log
likelihood Cox Snell
R Square Nagelkerke R Square
1 2,357
a
,286 ,939
2 2,350
a
,286 ,940
3 2,570
a
,285 ,934
4 2,554
a
,285 ,934
a. Estimation terminated at iteration number 5 because maximum iterations has been reached. Final solution cannot be found
.
Tabel 4.7 Hasil Matriks Klasifikasi
Classification Table
a,b
Observed Predicted
TIME Percentage Correct
1 Step 0
TIME 86
100,0 1
4 ,0
Overall Percentage 95,6
a. Constant is included in the model. b. The cut value is ,500
Tabel 4.7 menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan pelaporan keuangan auditan yang tepat
waktu adalah 100. Hal ini berarti bahwa dalam menggunakan model regresi yang digunakan ada 30 perusahaan yang diprediksi
akan tepat waktu adalah 86 perusahaan dari 100 perusahaan yang tepat waktu. Kekuatan prediksi model untuk pelaporan keuangan
tidak tepat waktu adalah sebesar 0 yang berarti bahwa dengan model regresi yang diaujukan tidak ada yang diprediksi akan
melaksanakan pelaporan keuangan tidak tepat waktu dari total perusahaan yang melaksanakan pelaporan keuangan auditan tidak
tepat waktu.
4.2.3 Hasil Pengujian Data