Tabel 4.6 Statistik Frekuensi
Timeliness
Sumber: output SPSS, diolah peneliti, 2015
Berdasarkan tabel 4.6 dapat dideskripsikan bahwa variabel dependen ketepatan waktu timeliness merupakan variabel nominal yang menggunakan
variabel dummy, dimana perusahaan yang tepat waktu pelaporan keuangannya diberi kode “1”, sedangkan perusahaan yang tidak tepat waktu pelaporan
keuangannya diberi kode “0” memiliki data valid karena seluruhnya telah diproses. Jumlah laporan keuangan yang dipublikasikan tepat waktu sebanyak 41
buah 62,1, sedangkan jumlah laporan keuangan yang dipublikasikan tidak tepat waktu sebanyak 25 buah 37,9. Hal ini juga menunjukkan bahwa emiten
pada perusahaan go public sektor industri barang konsumsi dapat memenuhi peraturan yang ditetapkan oleh Bapepam, yaitu mengenai ketepatan waktu
pelaporan keuangan.
4.2.2 Pengujian Asumsi Klasik
4.2.2.1 Uji Multikolinearitas
Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Multikolinearitas merupakan situasi
adanya korelasi antar variabel-variabel independen yang satu dengan yang lainnya. Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai
Universitas Sumatera Utara
korelasi antar variabel yang terdapat dalam matriks korelasi. Hasil uji gejala multikolinearitas disajikan pada tabel 4.7 berikut ini:
Tabel 4.7 Hasil Uji Multikolinearitas
a. Dependent Variable: Timeliness Sumber : output SPSS, diolah peneliti, 2015
Berdasarkan tabel 4.7 diatas, dapat dilihat bahwa korelasi antara ROA dan ukuran perusahaan sebesar 0,031, korelasi antara
ROA dan DER sebesar -0,019, dan seterusnya. Dari hasil pengujian pada tabel 4.7, dapat disimpulkan bahwa tidak terdapat gejala
multikolinearitas antar variabel independen. Gejala multikolinearitas terjadi apabila nilai korelasi antar variabel independen lebih besar
dari 0,90. Matriks korelasi di atas memperlihatkan bahwa korelasi antar variabel independen yang paling besar 0,592 atau lebih kecil
dari 0,90. Berdasarkan hasil ini dapat disimpulkan bahwa variabel profitabilitas, ukuran perusahaan, tingkat leverage, kualitas KAP,
Universitas Sumatera Utara
kompleksitas operasi perusahaan, likuiditas, umur perusahaan, dan auditor switchinglolos dari uji gejala multikolonieritas.
4.2.3 Uji Model
4.2.3.1 Menilai Kelayakan Model Regresi Goodness of fit
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakangoodness of fitness test yang diukur
berdasarkan nilai Chi-Square pada tabel Hosmer and Lemeshow Test tabel 4.8.
Tabel 4.8 Hosmer and Lemeshow Test
Sumber: output SPSS, diolah peneliti, 2015
Dari tabel 4.8 diatasterlihat bahwa besarnya nilai statistikHosmer and Lemeshow goodness of fitness test sebesar 3,926
dengan probabilitas signifikansi sebesar 0,788. Karena nilai probabilitas signifikansi 0,788 lebih besar dibandingkan tingkat
signifikansi0,05, maka H0 diterima. Hal ini berarti model regresi ini cukup layak untuk digunakan dalam analisis selanjutnya.
4.2.3.2 Menilai Keseluruhan Model Overall Model fit
Uji keseluruhan model digunakan untuk melihat model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian
dilakukan dengan membandingkan nilai antara-2 log likelihood pada awal block number=0 dengan nilai -2 log likelihood pada akhir
Universitas Sumatera Utara
block number=1. Nilai -2log likelihood awal pada block number =0, dapat ditunjukkan melalui tabel 4.9 berikut ini:
Tabel 4.9 Nilai
-2 Log likelihood -2 LL Awal
Sumber: output SPSS, diolah peneliti, 2015
Nilai -2 log likelihood akhir pada block number = 1, dapat dilihat pada tabel 4.10 berikut ini:
Tabel 4.10 Nilai
-2 Log likelihood -2 LL Akhir
Sumber: output SPSS, diolah peneliti, 2015
Dari tabel 4.9 diatas dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan
konstanta yang dapat dilihat pada step 3, memperoleh nilai sebesar 87,578. Kemudian pada tabel 4.10 dapat dilihat nilai -2 LL akhir
dengan block number =1, nilai -2log likelihoodpada step 4adalah 60,535.
Universitas Sumatera Utara
Adanya penurunan nilai antara -2LL awal initial-2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir
menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006: 233. Penurunan nilai -2 log likelihood menunjukkan
bahwa model penelitian ini dinyatakan fit, artinya penambahan- penambahan variabel bebas yaitu profitabilitas ROA, ukuran
perusahaan, tingkat leverage DER, kualitas kantor akuntan publik KAP, kompleksitas operasi perusahaan, likuiditas CR, umur
perusahaan, dan auditor switching kedalam model penelitian akan memperbaiki model fit dalam penelitian ini.
4.2.3.3 Koefisien Determinasi Nagelkerke R Square
Dalam regresi logistik, dapat digunakan statistik Nagelkerke’s
�
� 2
untuk mengukur kemampuan model regresi logistik dalam mencocokkan atau menyesuaikan data. Dengan kata lain, nilai
statistik dari Nagelkerke’s �
� 2
dapat diinterpretasikan sebagai suatu nilai yang mengukur kemampuan variabel-variabel independen
dalam menjelaskan atau menerangkan variabel dependen. Tabel 4.11 menyajikan nilai statistik dari Nagelkerke’s
�
� 2
.
Tabel 4.11 Nagelkerke R Square
Sumber: output SPSS, diolah peneliti, 2015
Universitas Sumatera Utara
Berdasarkan tabel 4.11 diatas, nilai statistik Nagelkerke R Square 0,458. Nilai tersebut diinterpretasikan sebagai kemampuan
variabel profitabilitas ROA, ukuran perusahaan, tingkat leverage DER, kualitas kantor akuntan publik KAP, kompleksitas operasi
perusahaan, likuiditas CR, umur perusahaan, dan auditor switching dalam mempengaruhi ketepatan waktu timeliness pelaporan
keuangan sebesar 45,8, sisanya 54,2 dijelaskan oleh variabel- variabelfaktor-faktor lain.
4.2.3.4 Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan ketepatan waktu
timeliness pelaporan keuanganpada perusahaango public sektor industri barang konsumsi.
Tabel 4.12 Classification Table
Sumber: output SPSS, diolah peneliti, 2015
Berdasarkan tabel 4.12 diatas, menunjukkan perusahaan yang tidak tepat waktu sebanyak 25 perusahaan. Dari 25 perusahaan
tersebut, diprediksi 17 68 perusahaan tidak tepat waktu, sedangkan 8perusahaan diprediksi tepat waktu. Diketahui
perusahaan yang tepat waktu sebanyak 41 perusahaan. Dari 41
Universitas Sumatera Utara
perusahaan tersebut, diprediksi 33 80,5 perusahaan tepat waktu, sedangkan 8 perusahaan diprediksi tidak tepat waktu.Keakuratan
prediksi secara menyeluruhsebesar 75.8. Tingginya persentase ketepatan pada tabel klasifikasi tersebutmendukung tidak adanya
perbedaan yang signifikan terhadap data hasilprediksi dan data observasinya yang menunjukkan sebagai model regresilogistik yang
baik.
4.2.4 Pengujian Hipotesis
