Analisis Faktor-Faktor yang Mempengaruhi Ketepatan Waktu Pelaporan Keuangan Dengan Sanksi BEI Sebagai Variabel Moderating Pada Perusahaan Pertambangan yang Terdaftar di Bursa Efek Indonesia

LAMPIRAN 1

Daftar Populasi dan Pemilihan Sampel

No. Kode

Perusahaan

Nama Perusahaan Kriteria Kesimpulan

1 2 3

1. ADRO Adaro Energy Tbk _{  X}

2. ANTM Aneka Tambang

(Persero) Tbk   

SAMPEL 1

3. ARII Atlas Resources Tbk _{  X}

4. ARTI Ratu Prabu Energi

Tbk   

SAMPEL 2

5. ATPK Bara Jaya

Internasional Tbk   

SAMPEL 3

6. BIPI Benakat Integra Tbk _{  X}

7. BORN Borneo Lumbung

Energi & Metal Tbk   X 8. BRAU Berau Coal Energy

Tbk   X

9. BSSR Baramulti

Suksessarana Tbk   X

10. BUMI Bumi Resources Tbk _{ }

X 11. BYAN Bayan Resources

Tbk   X

12. CITA Cita Mineral

Investindo Tbk   

SAMPEL 4

13. CKRA Cakra Mineral Tbk _{  X}

14. CTTH Citatah Tbk _{  } SAMPEL 5

15. DEWA Darma Henwa Tbk _{  X}

16. DKFT Central Omega

Resources Tbk   

SAMPEL 6

17. DOID Delta Dunia

Makmur Tbk   X

19. ENRG Energi Mega

Persada Tbk   X

20. ESSA Surya Esa Perkasa

Tbk   X

21. GEMS Golden Energy

Mines Tbk   X

22. GTBO Garda Tujuh Buana

Tbk   X

23. HRUM Harum Energy Tbk

  X

24. INCO Vale Indonesia Tbk _{ }

X 25. ITMG Indo Tambangraya

Megah Tbk   X

26. KKGI Resource Alam

Indonesia Tbk   X

27. MBAP Mitrabara

Adiperdana Tbk   X

28. MDKA Merdeka Copper

Gold Tbk   X

29. MEDC Medco Energi

International Tbk   X

30. MITI Mitra Investindo

Tbk   

SAMPEL 7

31. MYOH Samindo Resources

Tbk   

SAMPEL 8

32. PKPK Perdana Karya

Perkasa Tbk   

SAMPEL 9

33. PSAB J Resources Asia

Pasifik Tbk   X

34. PTBA Tambang Batubara Bukit Asam

(Persero) Tbk   

SAMPEL 10

35. PTRO Petrosea Tbk _{  X}

36. RUIS Radiant Utama

Interinsco Tbk   

SAMPEL 11

37. SMMT Golden Eagle

Energy Tbk   

SAMPEL 12

38. SMRU SMR Utama Tbk _{  X}

39. TINS Timah (Persero) Tbk _{  } SAMPEL

13

40. TOBA _{Toba Bara Sejahtera}

Tbk  

X

LAMPIRAN 2

Daftar Perusahaan Pertambangan yang menjadi Sampel

No Nama Perusahaan Kode Perusahaan

1. Aneka Tambang (Persero) Tbk ANTM

2. Ratu Prabu Energi Tbk ARTI

3. Bara Jaya Internasional Tbk ATPK 4. Cita Mineral Investindo Tbk CITA

5. Citatah Tbk CTTH

6. Central Omega Resources Tbk DKFT

7. Mitra Investindo Tbk MITI

8. Samindo Resources Tbk MYOH

9. Perdana Karya Perkasa Tbk PKPK

10. Tambang Batubara Bukit Asam (Persero) Tbk PTBA 11. Radiant Utama Interinsco Tbk RUIS

12. Golden Eagle Energy Tbk SMMT

13. Timah (Persero) Tbk TINS

LAMPIRAN 3

DAFTAR OPINI AUDIT, AUDIT REPORT LAG, REPUTASI KAP, UKURAN PERUSAHAAN, KETEPATAN WAKTU, DAN SANKSI BEI

No Perusahaan Tahun X1 X2 X3 X4 Y Z

1 ANTM 2011 5 74 1 30,35 1 1

2012 5 72 1 30,61 1 1

2013 5 59 1 30,72 1 1

2014 5 62 1 30,72 1 1

2 ARTI 2011 5 90 0 28,00 0 0

2012 5 87 0 27,99 0 0

2013 5 97 0 28,09 0 0

2014 5 106 0 28,20 0 0

3 ATPK 2011 4 89 0 25,44 1 1

2012 4 85 0 25,74 0 0

2013 5 85 0 28,03 1 1

2014 5 87 0 28,22 1 1

4 CITA 2011 5 52 0 28,25 0 0

2012 5 56 0 28,31 0 0

2013 5 51 0 28,96 1 1

2014 5 82 0 28,66 0 0

5 CTTH 2011 5 68 0 26,11 1 1

2012 5 70 0 26,29 0 0

2013 5 76 0 26,51 1 1

2014 5 78 0 26,63 1 1

6 DKFT 2011 5 69 0 27,89 1 1

2012 5 46 0 28,06 1 1

2013 5 17 0 28,10 1 1

2014 5 86 0 27,81 1 1

7 MITI 2011 5 75 0 25,49 1 1

2012 5 67 0 25,72 1 1

2013 5 143 0 25,78 0 0

2014 5 84 0 26,62 1 1

8 MYOH 2011 5 60 0 26,77 1 1

2012 5 84 0 27,89 1 1

2013 5 73 0 28,23 1 1

2014 5 77 1 28,34 1 1

9 PKPK 2011 5 87 0 26,88 0 0

2012 5 87 0 26,71 0 0

2013 5 87 0 26,61 0 0

2014 4 86 0 26,44 0 0

10 PTBA 2011 5 59 1 30,07 1 1

2012 5 59 1 30,17 1 1

2014 5 54 1 30,33 1 1

11 RUIS 2011 5 88 0 34,52 0 0

2012 5 86 0 27,79 0 0

2013 5 80 0 27,88 1 1

2014 5 83 0 27,87 0 0

12 SMMT 2011 5 123 1 22,90 0 0

2012 5 86 1 26,90 0 0

2013 5 86 1 27,16 0 0

2014 5 86 1 27,31 0 0

13 TINS 2011 5 80 1 29,51 1 1

2012 5 66 1 29,44 0 0

2013 5 45 1 29,70 1 1

LAMPIRAN 4

HASIL OUTPUT SPSS SEBELUM MODERATING

Hasil Analisis Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Opini Audit 52 4 5 4.94 .235

Audit Report Lag 52 17 143 75.65 19.926

Reputasi KAP 52 0 1 .33 .474

Ukuran

Perusahaan 52 22.90 34.52 28.0138 1.87360

Ketepatan Waktu 52 0 1 .58 .499

Sanksi BEI 52 0 1 .58 .499

Valid N (listwise) 52

Hasil Regresi Logistik Hipotesis Pertama

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Hosmer and Lemeshow Test Step Chi-square df Sig.

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients Constant X1 Step 1 1 70.086 -4.803 1.034

2 70.085 -4.951 1.065

3 70.085 -4.952 1.065

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 70.085a .015 .020

a. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Hasil Regresi Logistik Hipotesis Kedua

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 11.582 8 .171

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step 1a Opini

Audit 1.065 1.259 .715 1 .398 2.900 .246 34.187 Constant -4.952 6.233 .631 1 .427 .007

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients Constant X2 Step 1 1 56.077 4.113 -.050

2 53.983 6.293 -.078

3 53.829 7.094 -.088

4 53.828 7.171 -.089

5 53.828 7.171 -.089

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 53.828a .279 .375

a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step 1a Audit

Report Lag

-.089 .029 9.433 1 .002 .915 .864 .968

Constant 7.171 2.299 9.734 1 .002 1301.740 a. Variable(s) entered on step 1: Audit Report Lag.

Hasil Regresi Logistik Hipotesis Ketiga

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 .000 0 .000

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients Constant X3

Step 1 1 69.098 .057 .766

2 69.089 .057 .818

3 69.089 .057 .818

a. Method: Enter

d. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 69.089a .033 .045

a. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step 1a Reputasi

KAP .818 .631 1.684 1 .194 2.267 .659 7.802 Constant .057 .338 .029 1 .866 1.059

a. Variable(s) entered on step 1: Reputasi KAP.

Hasil Regresi Logistik Hipotesis Keempat

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 12.336 8 .137

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients Constant X4 Step 1 1 68.250 -6.242 .234

2 68.217 -7.022 .262

3 68.217 -7.041 .263

4 68.217 -7.041 .263

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 68.217a .049 .066

a. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step 1a Ukuran

Perusah aan

.263 .172 2.348 1 .125 1.301 .929 1.822

Constant -7.041 4.793 2.158 1 .142 .001 a. Variable(s) entered on step 1: Ukuran Perusahaan.

LAMPIRAN 5

HASIL OUTPUT SPSS SETELAH MODERATING

Hasil Regresi Logistik Hipotesis Kelima

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 .000 1 1.000

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients

Constant Opini Audit

Opiniaudit_sank siBEI

Step 1 1 13.298 -.631 -.278 .807

2 4.484 -.849 -.465 1.267

3 1.611 -.992 -.649 1.692

4 .590 -1.098 -.836 2.106

5 .218 -1.178 -1.027 2.518

6 .081 -1.235 -1.223 2.931

7 .030 -1.272 -1.425 3.346

8 .011 -1.290 -1.632 3.763

9 .004 -1.289 -1.844 4.183

10 .002 -1.269 -2.063 4.607

12 .000 -1.166 -2.521 5.467

13 .000 -1.079 -2.763 5.905

14 .000 -.961 -3.015 6.348

15 .000 -.809 -3.278 6.797

16 .000 -.614 -3.554 7.252

17 .000 -.369 -3.846 7.713

18 .000 -.063 -4.156 8.179

19 .000 .313 -4.487 8.652

20 .000 .769 -4.840 9.130

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 .000a .744 1.000

a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step

1a

Opini Audit

-4.840 13679.4

47 .000 1 1.000 .008 .000 . Opiniaudit_sanksi

BEI 9.130

2495.37

9 .000 1 .997

9225.05

1 .000 . Constant

.769 55452.6 74

.000 1 1.000 2.158 a. Variable(s) entered on step 1: Opini Audit, Opiniaudit_sanksiBEI.

Hasil Regresi Logistik Hipotesis Keenam

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 .000 8 1.000

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients

Constant X2 ARL_sanksiBEI

Step 1 1 15.416 .431 -.027 .049

2 5.664 .987 -.047 .078

3 2.222 1.515 -.067 .107

4 .895 2.044 -.089 .136

5 .362 2.634 -.113 .167

6 .144 3.323 -.140 .200

7 .056 4.121 -.171 .234

8 .021 5.006 -.205 .270

9 .008 5.942 -.240 .307

10 .003 6.904 -.277 .344

11 .001 7.880 -.314 .381

12 .000 8.863 -.351 .419

13 .000 9.851 -.388 .457

14 .000 10.840 -.426 .494

15 .000 11.832 -.464 .532

17 .000 13.819 -.540 .608

18 .000 14.814 -.578 .647

19 .000 15.810 -.616 .685

20 .000 16.806 -.654 .723

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 .000a .744 1.000

a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step

1a

Audit Report

Lag -.654 233.894 .000 1 .998 .520 .000

6.406E+1 98 ARL_sanksi

BEI .723 156.516 .000 1 .996 2.061 .000

3.471E+1 33 Constant

16.806 11047.5

60 .000 1 .999

19893643.2 91 a. Variable(s) entered on step 1: Audit Report Lag, ARL_sanksiBEI.

Hasil Regresi Logistik Hipotesis Ketujuh

Hosmer and Lemeshow Test Step Chi-square df Sig.

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients

Constant X3

reputasi_sanksi BEI

Step 1 1 52.807 .057 -2.057 4.000

2 49.939 .057 -3.192 6.271

3 49.009 .057 -4.236 8.358

4 48.680 .057 -5.251 10.388

5 48.561 .057 -6.257 12.399

6 48.517 .057 -7.259 14.403

7 48.501 .057 -8.260 16.405

8 48.495 .057 -9.260 18.405

9 48.493 .057 -10.260 20.406

10 48.492 .057 -11.260 22.406

11 48.492 .057 -12.260 24.406

12 48.492 .057 -13.260 26.406

13 48.492 .057 -14.260 28.406

14 48.492 .057 -15.260 30.406

15 48.492 .057 -16.260 32.406

16 48.492 .057 -17.260 34.406

17 48.492 .057 -18.260 36.406

18 48.492 .057 -19.260 38.406

19 48.492 .057 -20.260 40.406

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 48.492a .349 .470

a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step

1a

Reputasi KAP -21.260

17974.8

43 .000 1 .999 .000 .000 . reputasi_sanksi

BEI 42.406 21394.3

42 .000 1 .998

260975896 788491570 0.000

.000 .

Constant .057 .338 .029 1 .866 1.059 a. Variable(s) entered on step 1: Reputasi KAP, reputasi_sanksiBEI.

Hasil Regresi Logistik Hipotesis Kedelapan

Hosmer and Lemeshow Test Step Chi-square df Sig.

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients

Constant X4

ukPer_sanksiB EI

Step 1 1 13.394 -.152 -.067 .142

2 4.523 -.141 -.109 .224

3 1.625 -.107 -.148 .299

4 .595 -.071 -.187 .373

5 .219 -.043 -.225 .446

6 .081 -.030 -.263 .520

7 .030 -.039 -.300 .593

8 .011 -.075 -.336 .667

9 .004 -.144 -.371 .741

10 .002 -.246 -.405 .815

11 .001 -.384 -.438 .889

12 .000 -.558 -.470 .964

13 .000 -.768 -.500 1.039

14 .000 -1.015 -.529 1.114

15 .000 -1.296 -.557 1.189

16 .000 -1.612 -.584 1.265

17 .000 -1.963 -.609 1.341

18 .000 -2.346 -.633 1.417

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 20 because a perfect fit is detected. This solution is not unique.

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 .000a .744 1.000

a. Estimation terminated at iteration number 20 because a perfect fit is detected. This solution is not unique.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step

1a

Ukuran

Perusahaan -.735 476.983 .000 1 .998 .482 .000 2.124 ukPer_sanks

iBEI .968 156.516 .000 1 .995 1.089 .000 3.782 Constant -7.041 4.793 2.158 1 .142 .001

DAFTAR PUSTAKA

Abdillah, G., 2015. “Analisis Faktor-faktor yang Mempengaruhi Lamanya Penyelesaian Audit(Audit Delay) pada Perusahaan Manufaktur yang Terdapat di Bursa Efek Indonesia (BEI) tahun 2011-2013”, Skripsi, Fakultas Ekonomi dan Bisnis Sumatera Utara, Medan.

Arens, A.A.,Randal J.E, dan Mark S.B, 2008. Auditing dan Jasa Assurance Pendekatan Terintegrasi, Edisi Keduabelas, Alih Bahasa : Herman Wibowo, Erlangga, Jilid 1, Jakarta.

Astuti, C.D, 2007. “Faktor-faktor yang Berpengaruh Terhadap Ketepatan Waktu Pelaporan Keuangan”, Jurnal Informasi, Perpajakan, Akuntansi dan Keuangan Publik, Volume 2 Nomor 1, Hal 27-42.

Bangun, V, 2015. “Pengaruh Audit Report Lag dan Opini Audit Terhadap Ketepatan Waktu Penyampaian Laporan Keuangan dengan Reputasi KAP sebagai Variabel Moderating Pada Perusahaan Manufaktur Yang Terdaftar di BEI”, Skripsi, Fakultas Ekonomi Sumatera Utara, Medan.

Beaver, W.H, 1968. “The Information Content of Annual Earnings Announcements”, Journal of Accounting Research 6 (Supp.):67-92.

Dibia, Dr. N.O. and Onwuchekwa, J.C., 2013. “An Examination of the Audit Report Lag of Companies Quoted in the Nigeria Stock Exchange”, International Journal of Business Research (IJBSR), Volume 3, No.9.

Dinita, I, 2011. “Pengaruh Opini Audit dan Audit Report Lag Terhadap Ketepatan Waktu Penyampaian Laporan Keuangan dengan Reputasi KAP sebagai variabel moderating pada Perusahaan Manufaktur di Bursa Efek Indonesia (BEI)”, Skripsi, Fakultas Ekonomi Universitas Negeri Semarang, Semarang.

Ghozali, I, 2006. Aplikasi Analisis Multivariate dengan Program SPSS, Badan Penerbit Universitas Diponegoro, Semarang.

Givoly, G and Palmon, D.,1982. "Timeliness of Annual Earnings Announcements: Some Empirical Evidence", The Accounting Review, Vol. LVII, No. 3 July, pp. 486-508.

Harahap, S.S, 2013. Teori Akuntansi, Edisi Revisi 2011, Jakarta : Rajawali Pers. Keputusan Ketua Bapepam No. 36/PM/2003 Tentang Kewajiban Penyampaian

Laporan Keuangan Berkala.

Keputusan Direksi PT Bursa Efek Jakarta Nomor 306/BEJ/07-2004 Tentang Kewajiban Penyampaian Informasi.

Keputusan Direksi PT Bursa Efek Jakarta Nomor 307/BEJ/07-2004 Tentang Sanksi.

Kuswanto, H dan Sodikin, M, 2015. “Faktor-Faktor yang Mempengaruhi Ketepatan Waktu Penyampaian Laporan Keuangan ke Publik (Studi Empiris Pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia Periode 2010-2013)”, Jurnal Ekonomi Manajemen Akuntansi, Vol 22, No. 38.

Marpaung, E.A, 2012. “Analisis Ukuran Perusahaan, Umur Perusahaan, Profitabilitas, Opini Audit, dan Audit Report Lag yang Berpengaruh Terhadap Ketepatan Waktu Pelaporan Keuangan pada Perusahaan Perkebunan dan Pertambangan yang Terdaftar di Bursa Efek Indonesia”, Skripsi, Fakultas Ekonomi Sumatera Utara, Medan.

McGee, R.W., 2007. “Corporate Governance and The Timeliness of Corporate Financial Reporting : A Case Study of The Russian Energy Sector”, Andreas of School and Business Working Paper, Barry University USA. Mulyadi, 2002. Auditing, Edisi Keenam, Jakarta:Salemba Empat.

Na’im, A, 1999. “Nilai Informasi Ketepatan Waktu Penyampaian Laporan Keuangan: Analisis Empirik Regulasi Informasi di Indonesia”. Jurnal Ekonomi dan Bisnis Indonesia. Vol.14. No.2.

Owusu, S.A, 2000. “Timeliness of Corporate Financial in Emerging Capital Markets : Empirical Evidence From The Zimbabwe Stock Exchange”, Accounting & Business Research, Vol.30, No.3.

Peraturan Bapepam Nomor X.K.2 Tentang Kewajiban Penyampaian Laporan Keuangan Berkala.

Peraturan Pemerintah Nomor 45 Tahun 1995 Tentang Penyelenggaraan Kegiatan di Bidang Pasar Modal.

Rachmawati, S, 2008. “Pengaruh Faktor Internal dan Eksternal Perusahaan Terhadap Audit Delay dan Timeliness”, Jurnal Akuntansi dan Keuangan, Volume 10, Nomor 1, Hal 1-10, Universitas Indonesia, Jakarta.

Sembiring, Y.C, 2010. “Analisis Faktor-faktor yang berpengaruh terhadap Ketepatan Waktu Pelaporan Keuangan pada Perusahaan Perkebunan dan Pertambangan yang terdaftar di BEI”, Skripsi, Fakultas Ekonomi Sumatera Utara, Medan.

Sidauruk, R.S, 2012. “Analisis Faktor-faktor yang Berpengaruh Terhadap Ketepatan Waktu Penyampaian Laporan Keuangan Perusahaan Publik Sektor Jasa Pariwisata yang Terdaftar di BEI”, Skripsi, Fakultas Ekonomi Sumatera Utara, Medan.

Sugiyono, 2006. Statistika untuk Penelitian, Edisi Kedua, Cetakan Kesembilan, Alfabeta, Bandung.

Sukanti, I.E, 2015. “Analisis Faktor-faktor yang mempengaruhi Audit Timeliness pada Perusahaan Perbankan yang terdaftar di Bursa Efek Indonesia”, Skripsi, Fakultas Ekonomi dan Bisnis Sumatera Utara, Medan.

Turel, A.G, 2010. “Timeliness of Financial Reporting in Emerging Capital Markets: Evidence from Turkey”, European Financial and Accounting Journal, Vol. 5, No. 1, pp. 113-133.

Undang-Undang No. 8 Tahun 1995 tentang Peraturan Pasar Modal.

BAB III

METODE PENELITIAN

3.1 Desain Penelitian

Tujuan penelitian ini adalah untuk mengetahui pengaruh opini audit, Audit Report Lag, reputasi KAP dan ukuran perusahaan terhadap ketepatan waktu pelaporan keuangan serta untuk mengetahui kemampuan sanksi BEI untuk memoderasi pengaruh opini audit, Audit Report Lag, reputasi KAP dan ukuran perusahaan terhadap ketepatan waktu pelaporan keuangan. Penelitian ini tergolong jenis penelitian pengujian hipotesis karena pada penelitian ini berupaya menguji hipotesis-hipotesis yang diajukan mengenai hubungan antar variabel.

Penelitian ini menggunakan jenis data kuantitatif berupa data sekunder yang diperoleh dengan mengakses website www.idx.co.id . Terdapat tiga jenis variabel dalam penelitian ini: variabel independen, variabel dependen dan variabel moderasi. Variabel dependen adalah variabel yang dijelaskan atau yang dipengaruhi oleh variabel bebas. Variabel dependen dalam penelitian ini adalah ketepatan waktu pelaporan keuangan. Variabel independen adalah variabel yang menjelaskan variabel lain. Variabel independen dalam penelitian ini adalah opini audit, Audit Report Lag, reputasi KAP dan ukuran perusahaan. Variabel moderasi adalah variabel yang mempunyai pengaruh ketergantungan yang kuat dengan hubungan variabel terikat dan bebas .Variabel moderasi dalam penelitian ini adalah sanksi BEI.

Pengujian mengenai pengaruh opini audit, Audit Report Lag, reputasi KAP dan ukuran perusahaan pada ketepatan waktu pelaporan keuangan serta sanksi BEI sebagai variabel moderasi dilakukan dengan menggunakan analisis regresi. Hasil pengujian kemudian dijadikan dasar dalam membuat kesimpulan. Kesimpulan juga disusun sesuai dengan masalah penelitian dan hipotesis yang diajukan.

3.2 Populasi dan Sampel Penelitian

Populasi penelitian adalah semua perusahaan pertambangan yang terdaftar di BEI. Sampel penelitian ditentukan berdasarkan purposive sampling yang berarti pemilihan sampel berdasarkan kriteria tertentu. Objek penelitian ini menggunakan perusahaan pertambangan karena menurut peneliti perusahaan pertambangan masih jarang diuji sebagai objek penelitian pada penelitian terdahulu. Kriteria penentuan sampel dalam penelitian ini adalah :

1) Perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2011-2014.

2) Perusahaan tidak mengalami delisting selama periode pengamatan.

3) Perusahaan menerbitkan laporan keuangan auditan yang telah diaudit oleh auditor independen selama tahun 2011-2014 dalam mata uang rupiah. Berdasarkan kriteria tersebut, maka diperoleh 13 perusahaan yang menjadi sampel penelitian dengan 52 unit analisis (13 x 4 tahun). Sampel penelitian ditetapkan berdasarkan kriteria ditunjukkan dalam tabel 3.1.

Tabel 3.1

Tabel Ringkasan Populasi dan Perusahaan Sampel

No. Kriteria Jumlah

1.

2.

3.

4.

Jumlah perusahaan pertambangan yang terdaftar di BEI

Perusahaan pertambangan yang tidak memenuhi Kriteria I

Perusahaan pertambangan yang tidak memenuhi Kriteria II

Perusahaan pertambangan yang tidak memenuhi Kriteria III

40

(-)

(-)

(27) Jumlah Perusahaan Pertambangan yang

memenuhi Kriteria

Tahun Pengamatan

13

4 Jumlah Sampel Penelitian yang diamati 52

3.3 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data penelitian diambil dari laporan tahunan perusahaan yang telah diaudit dan dipublikasikan. Data diperoleh dari

3.4 Metode Pengumpulan Data

Penelitian ini menggunakan metode pengumpulan data dengan cara metode dokumentasi, dimana penulis mengumpulkan, mencatat, dan mengkaji data langsung dari laporan keuangan yang telah dipublikasikan di Bursa Efek

Indonesia (BEI). Data sekunder yang diambil dari Bursa Efek Indonesia (BEI) dengan cara mengunduh data yang tersedia, terdiri dari Laporan Auditor Independen (Independent Auditor’s Report) dan Laporan Keuangan yang telah diaudit (Audited Financial Statement) setiap perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia (BEI) dan sesuai dengan kriteria pemilihan sampel.

3.5 Definisi Operasional dan Pengukuran Variabel

Batasan operasional adalah penentuan batasan yang lebih menjelaskan ciri-ciri spesifik yang lebih substantif dari suatu konsep. Alasan peneliti menetapkan batasan operasional adalah untuk menghindari timbulnya salah pengertian atau salah tafsir terhadap istilah-istilah dalam judul penelitian. Tujuan dari batasan operasional adalah agar peneliti dapat mencapai suatu alat ukur yang sesuai dengan hakikat variabel yang sudah didefinisikan konsepnya, maka peneliti harus memasukkan proses atau operasionalnya alat ukur yang akan digunakan untuk kuantifikasi gejala atau variabel yang akan diteliti.

Definisi operasional dan pengukuran variabel dalam penelitian ini disajikan dalam Tabel 3.2 berikut :

Tabel 3.2

Definisi Operasional dan Pengukuran Variabel Jenis

Variabel

Nama Variabel

Defenisi Pengukuran Skala

Independen Opini Audit Pendapat auditor atas laporan keuangan

Wajar tanpa pengecualian : 5 Wajar tanpa pengecualian dengan paragraf penjelas : 4 Wajar dengan pengecualian : 3 Tidak memberi pendapat : 2 Tidak wajar : 1

Rasio Audit Report Lag Rentang waktu penyelesaian audit laporan keuangan sejak tutup buku sampai tanggal yang tertera di laporan auditan

Interval tanggal 31 Desember sampai tanggal yang tertera di laporan auditan

Rasio

Reputasi KAP

Lembaga yang memiliki izin sebagai wadah bagi akuntan publik dalam menjalankan pekerjaannya

KAP Big Four : 1 KAP yang bukan Big Four : 0

Nominal Ukuran Perusahaan Besar kecilnya perusahaan Logaritma Natural Total Aset Rasio

Dependen Ketepatan Waktu Pelaporan Keuangan

Tanggal penerbitan laporan keuangan auditan di BEI (paling lambat akhir bulan ketiga sejak tutup buku)

Tepat waktu : 1 Tidak tepat waktu : 0

Nominal

Moderating Sanksi BEI Peraturan yang ditetapkan oleh Keputusan Direksi PT Bursa Efek Jakarta

Tidak melanggar sanksi : 1

Melanggar sanksi : 0

Nominal

3.6 Metode Analisis Data

Penelitian ini dilakukan untuk menguji apakah pengaruh opini audit terhadap ketepatan waktu pelaporan keuangan, untuk menguji apakah sanksi BEI mampu memoderasi hubungan opini audit terhadap ketepatan waktu pelaporan keuangan, untuk menguji pengaruh audit report lag terhadap ketepatan waktu pelaporan keuangan, untuk menguji apakah sanksi BEI mampu memoderasi hubungan audit report lag terhadap ketepatan waktu pelaporan keuangan, untuk menguji pengaruh reputasi KAP terhadap ketepatan waktu pelaporan keuangan, untuk menguji apakah sanksi BEI mampu memoderasi hubungan reputasi KAP terhadap ketepatan waktu pelaporan keuangan, untuk menguji pengaruh ukuran perusahaan terhadap ketepatan waktu pelaporan keuangan dan untuk menguji apakah sanksi BEI mampu memoderasi hubungan ukuran perusahaan terhadap ketepatan waktu pelaporan keuangan.

Metode analisis data yang digunakan untuk penelitian ini adalah statistik deskriptif, analisis regresi logistik dengan bantuan SPSS 22. Data sekunder yang diperoleh, dianalisis secara kuantitatif dengan metode statistik deskriptif yang digunakan sebagai deskripsi variabel dengan alat analisis yaitu standar deviasi dan rata-rata (mean). Kemudian menilai kelayakan model regresi yang digunakan, menilai keseluruhan model atau overall model fit, dan menguji koefisien regresi.

Pengujian hipotesis dalam penelitian ini dilakukan dengan menggunakan regresi logistik. Ghozali (2006) menjelaskan bahwa metode ini cocok untuk digunakan untuk penelitian yang variabel dependennya bersifat kategorikal (nominal atau non metrik) dan variabel independennya kombinasi antara metrik dan non metrik. Regresi logistik yang digunakan dalam penelitian ini untuk menguji apakah variabel-variabel Opini Audit, Audit Report Lag, Reputasi KAP dan Ukuran Perusahaan dengan Sanksi BEI sebagai variabel moderating dapat mempengaruhi Ketepatan Waktu Pelaporan Keuangan.

Model regresi logistik dalam penelitian ini adalah :

Y = α + β1X1+ β2X2+ β3X3 + β4X4 + β5X1*Z + β6X2*Z + β7X3*Z + β8X4*Z + ε

Keterangan:

Y : Ketepatan Waktu Pelaporan Keuangan. Diukur dengan menggunakan

variabel dummy dimana angka 1 diberikan jika laporan disampaikan

disampaikan.

X1 : Opini Audit. Diukur dengan menggunakan rasio dimana angka 5

diberikan jika auditor independen memberikan opini wajar tanpa

pengecualian, angka 4 diberikan jika auditor independen memberikan

opini wajar tanpa pengecualian dengan paragraf penjelas, angka 3

diberikan jika auditor independen memberikan opini wajar dengan

pengecualian, angka 2 diberikan jika auditor independen tidak

memberikan opini dan angka 1 diberikan jika auditor independen

memberikan opini tidak wajar.

X2 : Audit Report Lag. Merupakan jangka waktu penyelesaian audit atas

laporan keuangan berdasarkan perbedaan tanggal akhir tahun fiskal

sampai dengan tanggal laporan audit.

X3 : Reputasi KAP. Diukur dengan menggunakan variabel dummy yaitu

angka 1 diberikan apabila opini audit berasal dari KAP Big Four

sedangkan angka 0 diberikan apabila opini audit bukan berasal dari

KAP Big Four.

Z : Sanksi BEI. Diukur dengan menggunakan variabel dummy yaitu

angka 1 diberikan apabila perusahaan tidak melanggar sanksi sedangkan angka 0 diberikan apabila perusahaan melanggar sanksi.

Pengujian dengan regresi logistik menurut Ghozali (2006) adalah sebagai berikut :

a. Menilai Kelayakan Model Regresi

Langkah pertama melakukan analisis dalam menilai kelayakan model regresi logistik yang akan digunakan. Pengujian menggunakan Goodness of fit test untuk menguji kelayakan model regresi logistik dan diukur dengan nilai Chi-Square di bagian bawah uji Hosmer and Lemeshow. Output dari Hosmer and Lemeshow dengan hipotesis :

H0 : Model yang dihipotesiskan fit dengan data HA : Model yang dihipotesiskan tidak fit dengan data Dasar pengambilan keputusan :

Goodness of fit test yang diukur dengan nilai Chi-Square pada bagian bawah uji Hosmer and Lemeshow akan menghasilkan output yang harus diperhatikan, yaitu :

• Jika probabilitas > 0,05 maka H0 diterima • Jika probabilitas < 0,05 maka H0 ditolak b. Menilai overall model fit

Kemudian menguji keseluruhan model regresi (overall model fit). Pengujian dalam tahap 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). Adanya pengurangan nilai antara -2LL awal dengan nilai -2LL pada langkah berikutnya menunjukkan bahwa model yang dihipotesiskan fit dengan data (Ghozali, 2006).

c. Menguji koefisien Regresi

Hal-hal yang perlu diperhatikan dalam pengujian koefisien regresi : a. Tingkat signifikansi (α) yang digunakan sebesar 5 persen.

b. Signifikansi p-value (probabilitas value) merupakan kriteria penerimaan dan penolakan hipotesis. Jika p-value > α maka hipotesis alternatif diterima, p-value < α, maka hipotesis alternatif ditolak.

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi logistik. Analisis data dimulai dengan mengolah data dengan menggunakan microsoft excel, lalu dilakukan pengujian statistik deskriptif dan pengujian regresi logistik dengan menggunakan software SPSS (Statistical Product and Service Solution) versi 22. Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output sesuai dengan metode analisis data yang telah ditentukan.

Metode pengambilan sampel dilakukan dengan teknik purposive sampling. Objek penelitian ini adalah perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia selama periode 2011 – 2014, dimana jumlah observasi perusahaan pertambangan tersebut adalah 13 perusahaan yang sudah di sampling berdasarkan kriteria yang ditentukan.

4.2 Analisis Hasil Penelitian

Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku umum. Deskripsi suatu data dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, minimum. Berikut ini ditampilkan data statistik secara umum dari keseluruhan data yang digunakan yang terdapat dalam Tabel 4.1

Tabel 4.1 Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Opini Audit 52 4 5 4.94 .235

Audit Report Lag 52 17 143 75.65 19.926

Reputasi KAP 52 0 1 .33 .474

Ukuran

Perusahaan 52 22.90 34.52 28.0138 1.87360

Ketepatan Waktu 52 0 1 .58 .499

Sanksi BEI 52 0 1 .58 .499

Valid N (listwise) 52

Sumber : Hasil Penelitian, 2016 (data diolah)

1. Jumlah seluruh sampel penelitian adalah 13 perusahaan dengan 52 unit analisis, yaitu 13 perusahaan dikali dengan empat tahun penelitian, dengan empat variabel independen yang menggunakan skala nominal yang terdiri dari opini audit, audit report lag, reputasi KAP dan ukuran perusahaan, variabel moderating sanksi BEI, dan variabel terikat yaitu ketepatan waktu.

2. Variabel opini audit memiliki nilai minimum 4 dan maksimum 5 dengan nilai rata-rata 4,94 dan standar deviasi adalah sebesar 0,235. Jumlah data yang digunakan adalah sebanyak 52.

3. Variabel audit report lag memiliki nilai minimum 17 dan maksimum 143 dengan nilai rata-rata 75,65 dan standar deviasi adalah sebesar 19,926. Jumlah data yang digunakan adalah sebanyak 52.

4. Variabel reputasi KAP memiliki nilai minimum 0 dan maksimum 1 dengan nilai rata-rata 0,33 dan standar deviasi adalah sebesar 0,474. Jumlah data yang digunakan adalah sebanyak 52.

5. Variabel ukuran perusahaan memiliki nilai minimum 22,90 dan maksimum 34,52 dengan nilai rata-rata 28,0138 dan standar deviasi adalah sebesar 1,87360. Jumlah data yang digunakan adalah sebanyak 52.

6. Variabel ketepatan waktu memiliki nilai minimum 0 dan maksimum 1 dengan nilai rata-rata 0,58 dan standar deviasi adalah sebesar 0,499. Jumlah data yang digunakan adalah sebanyak 52.

7. Variabel sanksi BEI memiliki nilai minimum 0 dan maksimum 1 dengan nilai rata-rata 0,58 dan standar deviasi adalah sebesar 0,499. Jumlah data yang digunakan adalah sebanyak 52.

4.2.2 Analisis Statistika

Analisis statistika yang digunakan dalam bab ini adalah regresi logistik. Adapun analisis tersebut digunakan untuk menguji hipotesis penelitian, yang berkaitan dengan pengaruh opini audit, audit report lag, reputasi KAP, ukuran

pertambangan. Pengujian hipotesis meliputi (1) menilai kelayakan model regresi, (2) menilai keseluruhan model dan (3) menguji koefisien regresi.

4.3 Pengujian Hipotesis Pertama (H1)

Hipotesis pertama menyatakan bahwa opini audit berpengaruh positif terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.

4.3.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)

Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi-square yang tampak pada bagian bawah Hosmer and Lemeshow Test. (Tabel 4.2)

Tabel 4.2 Hosmer and Lemeshow Test

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan Tabel 4.2 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistik Hosmer and Lemeshow sebesar 0,000 dengan probabilitas signifikansi menunjukkan angka 0,000, nilai signifikansi yang diperoleh ini jauh lebih kecil dari 0,05 (5%), maka hipotesis nol tidak dapat diterima (H0 ditolak atau tidak dapat didukung). Hal ini berarti model regresi yang

Hosmer and Lemeshow Test Step Chi-square df Sig.

dihipotesiskan tidak fit dengan data atau dapat dikatakan bahwa model tidak mampu memprediksi nilai observasinya.

4.3.2 Menilai Keseluruhan Model (Overall Model Fit Test)

Langkah kedua adalah menilai keseluruhan model yang dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal (Block Number = 0) dengan nilai -2 Log likelihood pada akhir (Block Number = 1).

Tabel 4.3 Nilai -2 Log likelihood (-2 LL Awal)

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Nilai -2 Log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.4.

Tabel 4.4 Nilai -2 Log likelihood (-2 LL Akhir)

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients Constant X1 Step 1 1 70.086 -4.803 1.034

2 70.085 -4.951 1.065

3 70.085 -4.952 1.065

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Dari Tabel 4.3 dapat dilihat bahwa -2 LL awal pada block number = 0 yang dapat dilihat pada step 3, memperoleh nilai sebesar 70,852. Kemudian pada Tabel 4.4 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2 log likelihood pada step 2 adalah 70,085. 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.

4.3.3 Menguji Koefisien Regresi

Langkah terakhir adalah menguji koefisien regresi / hipotesis penelitian. Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen.

Tabel 4.5 Nagelkerke R Square

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 70.085a .015 .020

a. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan tabel 4.5 pada hipotesis pertama ini menunjukkan nilai Cox & Snell R Square sebesar 0,015 dan nilai Nagelkerke R Square sebesar 0,020 yang menunjukkan bahwa kemampuan variabel independen dalam menjelaskan

variabel dependen adalah sebesar 0,020 atau 2,0% sedangkan sisanya sebesar 98% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.

Tabel 4.6 Hasil Uji Koefisien Regresi Logistik Hipotesis Pertama

Sumber: Hasil Penelitian, 2016 (data diolah)

H1 : Opini audit berpengaruh positif terhadap ketepatan waktu pelaporan keuangan

Pada Tabel 4.6 menunjukkan bahwa nilai P value uji Wald (Sig) > 0,05, artinya variabel opini audit mempunyai pengaruh yang negatif dan tidak signifikan terhadap ketepatan waktu pelaporan keuangan. Opini audit mempunyai nilai Sig Wald 0,398 > 0,05 sehingga menerima H0 atau yang berarti opini audit memberikan pengaruh negatif dan tidak signifikan terhadap ketepatan waktu pelaporan keuangan.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step 1a Opini

Audit 1.065 1.259 .715 1 .398 2.900 .246 34.187 Constant -4.952 6.233 .631 1 .427 .007

4.4 Pengujian Hipotesis Kedua (H2)

Hipotesis kedua menyatakan bahwa audit report lag berpengaruh positif terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.

4.4.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)

Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi-square yang tampak pada bagian bawah Hosmer and Lemeshow Test. (Tabel 4.7)

Tabel 4.7 Hosmer and Lemeshow Test

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 11.582 8 .171

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan Tabel 4.7 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistik Hosmer and Lemeshow sebesar 11,582 dengan probabilitas signifikansi menunjukkan angka 0,171, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05 (5%), maka hipotesis nol tidak dapat ditolak (H0 diterima atau didukung). Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Atau dapat dikatakan bahwa model mampu memprediksi nilai observasinya.

4.4.2 Menilai Keseluruhan Model (Overall Model Fit Test)

Langkah kedua adalah menilai keseluruhan model yang dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal (Block Number = 0) dengan nilai -2 Log likelihood pada akhir (Block Number = 1).

Tabel 4.8 Nilai -2 Log likelihood (-2 LL Awal)

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Nilai -2 Log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.9.

Tabel 4.9 Nilai -2 Log likelihood (-2 LL Akhir)

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients Constant X2 Step 1 1 56.077 4.113 -.050

2 53.983 6.293 -.078

3 53.829 7.094 -.088

4 53.828 7.171 -.089

5 53.828 7.171 -.089

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Dari Tabel 4.8 dapat dilihat bahwa -2 LL awal pada block number = 0 yang dapat dilihat pada step 3, memperoleh nilai sebesar 70,852. Kemudian pada Tabel 4.9 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2 log likelihood pada step 4 adalah 53,828. 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.

4.4.3 Menguji Koefisien Regresi

Langkah terakhir adalah menguji koefisien regresi / hipotesis penelitian. Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen.

Tabel 4.10 Nagelkerke R Square

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 53.828a .279 .375

a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan tabel 4.10 pada hipotesis kedua ini menunjukkan nilai Cox & Snell R Square sebesar 0,279 dan nilai Nagelkerke R Square sebesar 0,375 yang menunjukkan bahwa kemampuan variabel independen dalam menjelaskan variabel dependen adalah sebesar 0,375 atau 37,5% sedangkan sisanya sebesar

62,5% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.

Tabel 4.11 Hasil Uji Koefisien Regresi Logistik Hipotesis Kedua

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step 1a Audit

Report Lag

-.089 .029 9.433 1 .002 .915 .864 .968

Constant 7.171 2.299 9.734 1 .002 1301.740 a. Variable(s) entered on step 1: Audit Report Lag.

Sumber: Hasil Penelitian, 2016 (data diolah)

H2 : Audit report lag berpengaruh positif terhadap ketepatan waktu pelaporan keuangan

Pada Tabel 4.11 menunjukkan bahwa nilai P value uji Wald (Sig) < 0,05, artinya variabel audit report lag mempunyai pengaruh yang positif dan signifikan terhadap ketepatan waktu pelaporan keuangan. Audit report lag mempunyai nilai Sig Wald 0,002 < 0,05 sehingga menolak H0 atau yang berarti audit report lag memberikan pengaruh positif yang signifikan terhadap ketepatan waktu pelaporan keuangan.

4.5 Pengujian Hipotesis Ketiga(H3)

Hipotesis ketiga menyatakan bahwa reputasi KAP berpengaruh positif terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.

4.5.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)

Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi-square yang tampak pada bagian bawah Hosmer and Lemeshow Test.(Tabel 4.12)

Tabel 4.12 Hosmer and Lemeshow Test

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 .000 0 .000

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan Tabel 4.12 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistik Hosmer and Lemeshow sebesar 0,000 dengan probabilitas signifikansi menunjukkan angka 0,000, nilai signifikansi yang diperoleh ini jauh lebih kecil dari 0,05 (5%), maka hipotesis nol tidak dapat diterima (H0 ditolak atau tidak dapat didukung). Hal ini berarti model regresi yang dihipotesiskan tidak fit dengan data atau dapat dikatakan bahwa model tidak mampu memprediksi nilai observasinya.

4.5.2 Menilai Keseluruhan Model (Overall Model Fit Test)

Langkah kedua adalah menilai keseluruhan model yang dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal (Block Number = 0) dengan nilai -2 Log likelihood pada akhir (Block Number = 1).

Tabel 4.13 Nilai -2 Log likelihood (-2 LL Awal)

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Nilai -2 Log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.14.

Tabel 4.14 Nilai -2 Log likelihood (-2 LL Akhir)

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients Constant X3

Step 1 1 69.098 .057 .766

2 69.089 .057 .818

3 69.089 .057 .818

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Dari Tabel 4.13 dapat dilihat bahwa -2 LL awal pada block number = 0 memperoleh nilai sebesar 70,852. Kemudian pada Tabel 4.14 dapat dilihat nilai -2 LL akhir dengan block number =1 adalah 69,089. Adanya penurunan nilai antara -2LL awal (initial-2LL function) dengan nilai -2LL pada langkah berikutnya (-2LL

4.5.3 Menguji Koefisien Regresi

Langkah terakhir adalah menguji koefisien regresi / hipotesis penelitian. Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen.

Tabel 4.15 Nagelkerke R Square

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 69.089a .033 .045

a. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan tabel 4.15 pada hipotesis ketiga ini menunjukkan nilai Cox & Snell R Square sebesar 0,033 dan nilai Nagelkerke R Square sebesar 0,045 yang menunjukkan bahwa kemampuan variabel independen dalam menjelaskan variabel dependen adalah sebesar 0,045 atau 4,5% sedangkan sisanya sebesar 95,5% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.

Tabel 4.16 Hasil Uji Koefisien Regresi Logistik Hipotesis Ketiga

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step 1a Reputasi

KAP .818 .631 1.684 1 .194 2.267 .659 7.802 Constant .057 .338 .029 1 .866 1.059

a. Variable(s) entered on step 1: Reputasi KAP.

H3 : Reputasi KAP berpengaruh positif terhadap ketepatan waktu pelaporan keuangan

Pada Tabel 4.16 menunjukkan bahwa nilai P value uji Wald (Sig) > 0,05, artinya variabel reputasi KAP mempunyai pengaruh yang negatif dan tidak signifikan terhadap ketepatan waktu pelaporan keuangan. Reputasi KAP mempunyai nilai Sig Wald 0,194 > 0,05 sehingga menerima H0 atau yang berarti reputasi KAP memberikan pengaruh negatif dan tidak signifikan terhadap ketepatan waktu pelaporan keuangan.

4.6 Pengujian Hipotesis Keempat (H4)

Hipotesis keempat menyatakan bahwa ukuran perusahaan berpengaruh positif terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.

4.6.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)

Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi-square yang tampak pada bagian bawah Hosmer and Lemeshow Test.(Tabel 4.17)

Tabel 4.17 Hosmer and Lemeshow Test

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 12.336 8 .137

Berdasarkan Tabel 4.17 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistik Hosmer and Lemeshow sebesar 12,336 dengan probabilitas signifikansi menunjukkan angka 0,137, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05 (5%), maka hipotesis nol tidak dapat ditolak (H0 diterima atau didukung). Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Atau dapat dikatakan bahwa model mampu memprediksi nilai observasinya.

4.6.2 Menilai Keseluruhan Model (Overall Model Fit Test)

Langkah kedua adalah menilai keseluruhan model yang dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal (Block Number = 0) dengan nilai -2 Log likelihood pada akhir (Block Number = 1).

Tabel 4.18 Nilai -2 Log likelihood (-2 LL Awal)

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Nilai -2 Log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.19.

Tabel 4.19 Nilai -2 Log likelihood (-2 LL Akhir)

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients Constant X4 Step 1 1 68.250 -6.242 .234

2 68.217 -7.022 .262

3 68.217 -7.041 .263

4 68.217 -7.041 .263

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.

Dari Tabel 4.18 dapat dilihat bahwa -2 LL awal pada block number = 0 yang dapat dilihat pada step 3, memperoleh nilai sebesar 70,852. Kemudian pada Tabel 4.19 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2 log likelihood pada step 4 adalah 68,217. 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.

4.6.3 Menguji Koefisien Regresi

Langkah terakhir adalah menguji koefisien regresi / hipotesis penelitian. Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen.

Tabel 4.20 Nagelkerke R Square

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 68.217a .049 .066

a. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan tabel 4.20 pada hipotesis keempat ini menunjukkan nilai Cox & Snell R Square sebesar 0,049 dan nilai Nagelkerke R Square sebesar 0,066 yang menunjukkan bahwa kemampuan variabel independen dalam menjelaskan variabel dependen adalah sebesar 0,066 atau 6,6% sedangkan sisanya sebesar 93,4% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.

Tabel 4.21 Hasil Uji Koefisien Regresi Logistik Hipotesis Keempat

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step 1a Ukuran

Perusah aan

.263 .172 2.348 1 .125 1.301 .929 1.822

Constant -7.041 4.793 2.158 1 .142 .001 a. Variable(s) entered on step 1: Ukuran Perusahaan.

Sumber: Hasil Penelitian, 2016 (data diolah)

H4 : Ukuran perusahaan berpengaruh positif terhadap ketepatan waktu pelaporan keuangan

Pada Tabel 4.21 menunjukkan bahwa nilai P value uji Wald (Sig) > 0,05, artinya variabel ukuran perusahaan mempunyai pengaruh yang negatif dan tidak signifikan terhadap ketepatan waktu pelaporan keuangan. Ukuran perusahaan mempunyai nilai Sig Wald 0,125 > 0,05 sehingga menerima H0 atau yang berarti ukuran perusahaan memberikan pengaruh negatif dan tidak signifikan terhadap ketepatan waktu pelaporan keuangan.

4.7 Pengujian Hipotesis Kelima (H5)

Hipotesis kelima menyatakan bahwa sanksi BEI mampu memoderasi hubungan antara opini audit terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.

4.7.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)

Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi-square yang tampak pada bagian bawah Hosmer and Lemeshow Test.(Tabel 4.22)

Tabel 4.22 Hosmer and Lemeshow Test

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 .000 1 1.000

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan Tabel 4.22 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistik Hosmer and Lemeshow sebesar 0,000 dengan probabilitas signifikansi menunjukkan angka 1,000, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05 (5%), maka hipotesis nol tidak dapat

ditolak (H0 diterima atau didukung). Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Atau dapat dikatakan bahwa model mampu memprediksi nilai observasinya.

4.7.2 Menilai Keseluruhan Model (Overall Model Fit Test)

Langkah kedua adalah menilai keseluruhan model yang dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal (Block Number = 0) dengan nilai -2 Log likelihood pada akhir (Block Number = 1).

Tabel 4.23 Nilai -2 Log likelihood (-2 LL Awal)

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Nilai -2 Log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.24.

Tabel 4.24 Nilai -2 Log likelihood (-2 LL Akhir)

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients

Constant Opini Audit

Opiniaudit_sank siBEI

Step 1 1 13.298 -.631 -.278 .807

2 4.484 -.849 -.465 1.267

3 1.611 -.992 -.649 1.692

4 .590 -1.098 -.836 2.106

5 .218 -1.178 -1.027 2.518

6 .081 -1.235 -1.223 2.931

7 .030 -1.272 -1.425 3.346

8 .011 -1.290 -1.632 3.763

9 .004 -1.289 -1.844 4.183

10 .002 -1.269 -2.063 4.607

11 .001 -1.229 -2.288 5.035

12 .000 -1.166 -2.521 5.467

13 .000 -1.079 -2.763 5.905

14 .000 -.961 -3.015 6.348

15 .000 -.809 -3.278 6.797

16 .000 -.614 -3.554 7.252

17 .000 -.369 -3.846 7.713

18 .000 -.063 -4.156 8.179

19 .000 .313 -4.487 8.652

20 .000 .769 -4.840 9.130

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Dari Tabel 4.23 dapat dilihat bahwa -2 LL awal pada block number = 0 yang dapat dilihat pada step 3, memperoleh nilai sebesar 70,852. Kemudian pada Tabel 4.24 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2 log

likelihood pada step 12 adalah 0,000. 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.

4.7.3 Menguji Koefisien Regresi

Langkah terakhir adalah menguji koefisien regresi / hipotesis penelitian. Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen.

Tabel 4.25 Nagelkerke R Square

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 .000a .744 1.000

a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan tabel 4.25 pada hipotesis kelima ini menunjukkan nilai Cox & Snell R Square sebesar 0,744 dan nilai Nagelkerke R Square sebesar 1,000 yang menunjukkan bahwa kemampuan variabel independen dalam menjelaskan variabel dependen adalah sebesar 1,000 atau 100% .

Tabel 4.26 Hasil Uji Koefisien Regresi Logistik Hipotesis Kelima

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step

1a

Opini Audit

-4.840 13679.4

47 .000 1 1.000 .008 .000 . Opiniaudit_sanksi

BEI 9.130

2495.37

9 .000 1 .997

9225.05

1 .000 . Constant

.769 55452.6

74 .000 1 1.000 2.158 a. Variable(s) entered on step 1: Opini Audit, Opiniaudit_sanksiBEI.

Sumber: Hasil Penelitian, 2016 (data diolah)

H5 : Sanksi BEI mampu memoderasi hubungan antara opini audit terhadap ketepatan waktu pelaporan keuangan.

Pada Tabel 4.26 menunjukkan bahwa nilai P value uji Wald 0,997 > 0,05, artinya sanksi BEI tidak mampu memoderasi hubungan antara opini audit dengan ketepatan waktu pelaporan keuangan pada perusahaan pertambangan di BEI yang berarti H5 tidak dapat diterima atau H5 ditolak.

4.8 Pengujian Hipotesis Keenam (H6)

Hipotesis keenam menyatakan bahwa sanksi BEI mampu memoderasi hubungan antara audit report lag terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.

4.8.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)

Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi-square yang tampak pada bagian bawah Hosmer and Lemeshow Test.(Tabel 4.27)

Tabel 4.27 Hosmer and Lemeshow Test

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 .000 8 1.000

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan Tabel 4.27 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistik Hosmer and Lemeshow sebesar 0,000 dengan probabilitas signifikansi menunjukkan angka 1,000, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05 (5%), maka hipotesis nol tidak dapat ditolak (H0 diterima atau didukung). Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Atau dapat dikatakan bahwa model mampu memprediksi nilai observasinya.

4.8.2 Menilai Keseluruhan Model (Overall Model Fit Test)

Langkah kedua adalah menilai keseluruhan model yang dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal (Block Number = 0) dengan nilai -2 Log likelihood pada akhir (Block Number = 1).

Tabel 4.28 Nilai -2 Log likelihood (-2 LL Awal)

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Nilai -2 Log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.29.

Tabel 4.29 Nilai -2 Log likelihood (-2 LL Akhir)

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients

Constant X2 ARL_sanksiBEI

Step 1 1 15.416 .431 -.027 .049

2 5.664 .987 -.047 .078

3 2.222 1.515 -.067 .107

4 .895 2.044 -.089 .136

5 .362 2.634 -.113 .167

6 .144 3.323 -.140 .200

7 .056 4.121 -.171 .234

8 .021 5.006 -.205 .270

9 .008 5.942 -.240 .307

10 .003 6.904 -.277 .344

11 .001 7.880 -.314 .381

12 .000 8.863 -.351 .419

13 .000 9.851 -.388 .457

14 .000 10.840 -.426 .494

16 .000 12.825 -.502 .570

17 .000 13.819 -.540 .608

18 .000 14.814 -.578 .647

19 .000 15.810 -.616 .685

20 .000 16.806 -.654 .723

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Dari Tabel 4.28 dapat dilihat bahwa -2 LL awal pada block number = 0 yang dapat dilihat pada step 3, memperoleh nilai sebesar 70,852. Kemudian pada Tabel 4.29 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2 log likelihood pada step 12 adalah 0,000. 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.

4.8.3 Menguji Koefisien Regresi

Langkah terakhir adalah menguji koefisien regresi / hipotesis penelitian. Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen.

Tabel 4.30 Nagelkerke R Square

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 .000a .744 1.000

a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan tabel 4.30 pada hipotesis keenam ini menunjukkan nilai Cox & Snell R Square sebesar 0,744 dan nilai Nagelkerke R Square sebesar 1,000 yang menunjukkan bahwa kemampuan variabel independen dalam menjelaskan variabel dependen adalah sebesar 1,000 atau 100% .

Tabel 4.31 Hasil Uji Koefisien Regresi Logistik Hipotesis Keenam

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step

1a

Audit Report

Lag -.654 233.894 .000 1 .998 .520 .000

6.406E+1 98 ARL_sanksi

BEI .723 156.516 .000 1 .996 2.061 .000

3.471E+1 33 Constant

16.806 11047.5

60 .000 1 .999

19893643.2 91 a. Variable(s) entered on step 1: Audit Report Lag, ARL_sanksiBEI.

Sumber: Hasil Penelitian, 2016 (data diolah)

H6 : Sanksi BEI mampu memoderasi hubungan antara audit report lag terhadap ketepatan waktu pelaporan keuangan.

Pada Tabel 4.31 menunjukkan bahwa nilai P value uji Wald 0,996 > 0,05, artinya sanksi BEI tidak mampu memoderasi hubungan antara audit report lag

dengan ketepatan waktu pelaporan keuangan pada perusahaan pertambangan di BEI yang berarti H6 tidak dapat diterima atau H6 ditolak.

4.9 Pengujian Hipotesis Ketujuh (H7)

Hipotesis ketujuh menyatakan bahwa sanksi BEI mampu memoderasi hubungan antara reputasi KAP terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.

4.9.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)

Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi-square yang tampak pada bagian bawah Hosmer and Lemeshow Test.(Tabel 4.32)

Tabel 4.32 Hosmer and Lemeshow Test

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 .000 1 1.000

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan Tabel 4.32 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistik Hosmer and Lemeshow sebesar 0,000 dengan probabilitas signifikansi menunjukkan angka 1,000, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05 (5%), maka hipotesis nol tidak dapat ditolak (H0 diterima atau didukung). Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata

antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Atau dapat dikatakan bahwa model mampu memprediksi nilai observasinya.

4.9.2 Menilai Keseluruhan Model (Overall Model Fit Test)

Langkah kedua adalah menilai keseluruhan model yang dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal (Block Number = 0) dengan nilai -2 Log likelihood pada akhir (Block Number = 1).

Tabel 4.33 Nilai -2 Log likelihood (-2 LL Awal)

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant

Step 0 1 70.852 .308

2 70.852 .310

3 70.852 .310

a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852

c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.

Nilai -2 Log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.34.

Tabel 4.34 Nilai -2 Log likelihood (-2 LL Akhir)

Iteration Historya,b,c,d

Iteration -2 Log likelihood

Coefficients

Constant X3

reputasi_sanksi BEI

Step 1 1 52.807 .057 -2.057 4.000

2 49.939 .057 -3.192 6.271

5 48.561 .057 -6.257 12.399

6 48.517 .057 -7.259 14.403

7 48.501 .057 -8.260 16.405

8 48.495 .057 -9.260 18.405

9 48.493 .057 -10.260 20.406

10 48.492 .057 -11.260 22.406

11 48.492 .057 -12.260 24.406

12 48.492 .057 -13.260 26.406

13 48.492 .057 -14.260 28.406

14 48.492 .057 -15.260 30.406

15 48.492 .057 -16.260 32.406

16 48.492 .057 -17.260 34.406

17 48.492 .057 -18.260 36.406

18 48.492 .057 -19.260 38.406

19 48.492 .057 -20.260 40.406

20 48.492 .057 -21.260 42.406

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852

d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Dari Tabel 4.33 dapat dilihat bahwa -2 LL awal pada block number = 0 yang dapat dilihat pada step 3, memperoleh nilai sebesar 70,852. Kemudian pada Tabel 4.34 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2 log likelihood pada step 10 adalah 48,492. 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.

4.9.3 Menguji Koefisien Regresi

Langkah terakhir adalah menguji koefisien regresi / hipotesis penelitian. Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen.

Tabel 4.35 Nagelkerke R Square

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 48.492a .349 .470

a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

Sumber: Hasil Penelitian, 2016 (data diolah)

Berdasarkan tabel 4.35 pada hipotesis ketujuh ini menunjukkan nilai Cox & Snell R Square sebesar 0,349 dan nilai Nagelkerke R Square sebesar 0,470 yang menunjukkan bahwa kemampuan variabel independen dalam menjelaskan variabel dependen adalah sebesar 0,470 atau 47% sedangkan sisanya sebesar 53% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.

Tabel 4.36 Hasil Uji Koefisien Regresi Logistik Hipotesis Ketujuh

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B) Lower Upper Step

1a

Reputasi KAP -21.260

17974.8

43 .000 1 .999 .000 .000 . reputasi_sanksi

BEI 42.406 21394.3

42 .000 1 .998

260975896 788491570 0.000

Constant .057 .338 .029 1 .866 1.059 a. Variable(s) entered on step 1: Reputasi KAP, reputasi_sanksiBEI.

Sumber: Hasil Penelitian, 2016 (data diolah)

H7 : Sanksi BEI mampu memoderasi hubungan antara reputasi KAP terhadap ketepatan waktu pelaporan keuangan.

Pada Tabel 4.36 menunjukkan bahwa nilai P value uji Wald 0,998 > 0,05, artinya sanksi BEI tidak mampu memoderasi hubungan antara reputasi KAP dengan ketepatan waktu pelaporan keuangan pada perusahaan pertambangan di BEI yang berarti H7 tidak dapat diterima atau H7 ditolak.

4.10 Pengujian Hipotesis Kedelapan (H8)

Hipotesis kedelapan menyatakan bahwa sanksi BEI mampu memoderasi hubungan antara ukuran perusahaan terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.

4.10.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)

Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi-square yang tampak pada bagian bawah Hosmer and Lemeshow Test.(Tabel 4.37)

Tabel 4.37 Hosmer and Lemeshow Test

Hosmer and Lemeshow Test Step Chi-square df Sig.

1 .000 8 1.000

vii

BAB III ... 39

METODOLOGI PENELITIAN ... 39

3.1 Desain Penelitian ... 39

3.2 Populasi dan Sampel Penelitian ... 40

3.3 Jenis dan Sumber Data ... 41

3.4 Metode Pengumpulan Data ... 41

3.5 Definisi Operasional dan Pengukuran Variabel ... 42

3.6 Metode Analisis Data ... 44

BAB IV ... ... 49

HASIL PENELITIAN DAN PEMBAHASAN ... 49

4.1 Data Penelitian ... 49

4.2 Analisis Hasil Penelitian ... 49

4.2.1 Analisis Statistik Deskriptif ... 50

4.2.2 Analisis Statistika ... 51

4.3 Pengujian Hipotesis Pertama (H1) ... 52

4.3.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test) .. 52

4.3.2 Menilai Keseluruhan Model (Overall Model Fit Test) ... 53

4.3.3 Menguji Koefisien Regresi ... 54

4.4 Pengujian Hipotesis Kedua (H2) ... 56

4.4.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test) .. 56

4.4.2 Menilai Keseluruhan Model (Overall Model Fit Test) ... 57

4.4.3 Menguji Koefisien Regresi ... 58

4.5 Pengujian Hipotesis Ketiga (H3) ... 59

4.5.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test) .. 60

4.5.2 Menilai Keseluruhan Model (Overall Model Fit Test) ... 60

4.5.3 Menguji Koefisien Regresi ... 62

4.6 Pengujian Hipotesis Keempat (H4) ... 63

4.6.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test) .. 63

4.6.2 Menilai Keseluruhan Model (Overall Model Fit Test) ... 64

4.6.3 Menguji Koefisien Regresi ... 65

4.7 Pengujian Hipotesis Kelima (H5) ... 67

4.7.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test) .. 67

4.7.2 Menilai Keseluruhan Model (Overall Model Fit Test) ... 68

4.7.3 Menguji Koefisien Regresi ... 70

4.8 Pengujian Hipotesis Keenam (H6) ... 71

4.8.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test) .. 72

4.8.2 Menilai Keseluruhan Model (Overall Model Fit Test) ... 72

4.8.3 Menguji Koefisien Regresi ... 74

4.9 Pengujian Hipotesis Ketujuh (H7) ... 76

4.9.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test) .. 76

4.9.2 Menilai Keseluruhan Model (Overall Model Fit Test) ... 77

4.9.3 Menguji Koefisien Regresi ... 79

4.10 Pengujian Hipotesis Kedelapan (H8) ... 80

4.10.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test) ... 80

4.10.2 Menilai Keseluruhan Model (Overall Model Fit Test) ... 81

4.10.3 Menguji Koefisien Regresi ... 83

4.11 Pembahasan Hasil Penelitian ... 84

4.11.1 Pengaruh Opini Audit Terhadap Ketepatan Waktu Pelaporan Keuangan (H1) ... 84

4.11.2 Pengaruh Audit Report Lag Terhadap Ketepatan Waktu Pelaporan Keuangan (H2) ... 85

4.11.3 Pengaruh Reputasi KAP Terhadap Ketepatan Waktu Pelaporan Keuangan (H3) ... 85

4.11.4 Pengaruh Ukuran Perusahaan Terhadap Ketepatan Waktu Pelaporan Keuangan (H4) ... 86

4.11.5 Pengaruh Opini Audit Terhadap Ketepatan Waktu Pelaporan Keuangan dengan Sanksi BEI sebagai Variabel Moderating (H5) ... 86

4.11.6 Pengaruh Audit Report Lag Terhadap Ketepatan Waktu Pelaporan Keuangan dengan Sanksi BEI sebagai Variabel Moderating (H6) ... 87

4.11.7 Pengaruh Reputasi KAP Terhadap Ketepatan Waktu Pelaporan Keuangan dengan Sanksi BEI sebagai Variabel Moderating (H7) ... 87

4.11.8 Pengaruh Ukuran Perusahaan Terhadap Ketepatan Waktu Pelaporan Keuangan dengan Sanksi BEI sebagai Variabel Moderating (H8) ... 88

BAB V... ... 89

KESIMPULAN DAN SARAN ... 89

5.1 Kesimpulan ... 89

5.2 Saran ... 91

DAFTAR PUSTAKA ... 92

ix DAFTAR TABEL

2.1 Penelitian Terdahulu… . ... 25

3.1 Tabel Ringkasan Populasi dan Perusahaan Sampel ... 41

3.2 Definisi Operasional dan Pengukuran Variabel ... 43

4.1 Descriptive Statistics ... 50

4.2 Hosmer and Lemeshow Test ... 52

4.3 Nilai -2 Log likelihood (-2 LL Awal) ... 53

4.4 Nilai -2 Log likelihood (-2 LL Akhir) ... 53

4.5 Nagelkerke R Square ... 54

4.6 Hasil Uji Koefisien Regresi Logistik Hipotesis Pertama ... 55

4.7 Hosmer and Lemeshow Test ... 56

4.8 Nilai -2 Log likelihood (-2 LL Awal) ... 57

4.9 Nilai -2 Log likelihood (-2 LL Akhir) ... 57

4.10 Nagelkerke R Square ... 58

4.11 Hasil Uji Koefisien Regresi Logistik Hipotesis Kedua ... 59

4.12 Hosmer and Lemeshow Test ... 60

4.13 Nilai -2 Log likelihood (-2 LL Awal) ... 61

4.14 Nilai -2 Log likelihood (-2 LL Akhir) ... 61

4.15 Nagelkerke R Square ... 62

4.16 Hasil Uji Koefisien Regresi Logistik Hipotesis Ketiga ... 62

4.17 Hosmer and Lemeshow Test ... 63

4.18 Nilai -2 Log likelihood (-2 LL Awal) ... 64

4.19 Nilai -2 Log likelihood (-2 LL Akhir) ... 65

4.20 Nagelkerke R Square ... 66

4.21 Hasil Uji Koefisien Regresi Logistik Hipotesis Keempat ... 66

4.22 Hosmer and Lemeshow Test ... 67

4.23 Nilai -2 Log likelihood (-2 LL Awal) ... 68

4.24 Nilai -2 Log likelihood (-2 LL Akhir) ... 69

4.25 Nagelkerke R Square ... 70

4.26 Hasil Uji Koefisien Regresi Logistik Hipotesis Kelima ... 71

4.27 Hosmer and Lemeshow Test ... 72

4.28 Nilai -2 Log likelihood (-2 LL Awal) ... 73

4.29 Nilai -2 Log likelihood (-2 LL Akhir) ... 73

4.30 Nagelkerke R Square ... 75

4.31 Hasil Uji Koefisien Regresi Logistik Hipotesis Keenam ... 75

4.32 Hosmer and Lemeshow Test ... 76

4.33 Nilai -2 Log likelihood (-2 LL Awal) ... 77

4.34 Nilai -2 Log likelihood (-2 LL Akhir) ... 77

4.35 Nagelkerke R Square ... 79

4.36 Hasil Uji Koefisien Regresi Logistik Hipotesis Ketujuh ... 79

4.37 Hosmer and Lemeshow Test ... 80

4.38 Nilai -2 Log likelihood (-2 LL Awal) ... 81

4.39 Nilai -2 Log likelihood (-2 LL Akhir) ... 82

4.40 Nagelkerke R Square ... 83 4.41 Hasil Uji Koefisien Regresi Logistik Hipotesis Kedelapan ... 83

xi DAFTAR GAMBAR

2.1 Kerangka Konseptual ... 29

DAFTAR LAMPIRAN

1 Daftar Populasi dan Pemilihan Sampel…. ... 95

2 Daftar Perusahaan Pertambangan yang menjadi Sampel ... 98

3 Daftar Opini Audit, Audit Report Lag, Reputasi KAP, Ukuran Perusahaan, Ketepatan Waktu, dan Sanksi BEI ... 99

4 Hasil Output SPSS Sebelum Moderating ... 101

5 Hasil Analisis Statistik Deskriptif ... 101

6 Hasil Regresi Logistik Hipotesis Pertama ... 101

7 Hasil Regresi Logistik Hipotesis Kedua ... 102

8 Hasil Regresi Logistik Hipotesis Ketiga ... 104

9 Hasil Regresi Logistik Hipotesis Keempat ... 105

10 Hasil Output SPSS Setelah Moderating ... 107

11 Hasil Regresi Logistik Hipotesis Kelima ... 107

12 Hasil Regresi Logistik Hipotesis Keenam ... 109

13 Hasil Regresi Logistik Hipotesis Ketujuh ... 110

14 Hasil Regresi Logistik Hipotesis Kedelapan ... 112