Metode Pengumpulan Data Data Penelitian

ciri-ciri populasi yang sudah diketahui sebelumnya. Sampel yang digunakan dalam penelitian ini adalah 7 perusahaan, dan dipilih berdasarkan kriteria berikut ini : perusahaan menyampaikan laporan keuangan yang lengkap di Bursa Efek Indonesia BEI dari tahun 2010 sampai dengan tahun 2012. Tabel 3.3 Proses Seleksi Sampel No Kode Saham Nama Perusahaan Populasi Kriteria Sampel 1 ARTI PT Ratu Prabu Energi Tbk    2 APEX PT Apexindo Pratama Duta Tbk    3 BIPI PT Benakat Petroleum Energy Tbk    4 ELSA PT Elnusa Tbk    5 ENRG PT Energi Mega Persada Tbk    6 ESSA PT Surya Esa Perkasa Tbk    7 MEDC PT Medco Energi International Tbk    8 RUIS PT Radiant Utama Interinsco Tbk    Total 8 7 Sumber : Hasil Olahan Peneliti

3.7 Metode Pengumpulan Data

Untuk mengumpulkan data dari sampel penelitian, dapat menggunakan metode tertentu sesuai dengan tujuannya. Metode pengumpulan data merupakan Universitas Sumatera Utara metode yang digunakan peneliti untuk mengumpulkan data penelitiannya. Pengumpulan data dilakukan untuk memperoleh informasi yang dibutuhkan dalam rangka mencapai tujuan penelitian Gulo, 2002:110. Metode pengumpulan data dalam penelitian ini adalah metode dokumentasi, yaitu pengumpulan data dilakukan dengan cara mempelajari data sekunder berupa laporan keuangan yang telah diaudit dan laporan tahunan perusahaan sesuai periode pengamatan. Penelitian ini menggunakan sampel 7 perusahaan dengan 3 tahun amatan, maka total data amatannya adalah 21. Data amatan yang digunakan dalam penelitian ini termasuk ke dalam kategori sampel kecil, karena jumlahnya tidak lebih dari 30 sampel. Data amatan yang digunakan diperoleh dari situs www.idx.co.id

3.8 Teknik Analisis

Dalam penelitian ini sampel yang digunakan termasuk ke dalam kategori sampel kecil n 30, dan seharusnya memakai uji statistika non-parametrik. Akan tetapi, penulis menggunakan uji statistika parametrik karena data-data yang diteliti diketahui terdistribusi secara normal. Dergibson et al 2000:308 menyatakan bahwa Uji nonparametrik digunakan bila asumsi-asumsi pada uji parametrik tidak dipenuhi. Asumsi yang paling lazim pada uji parametrik adalah sampel acak berasal dari populasi yang berdistribusi normal. Bila asumsi ini dipenuhi, atau paling tidak penyimpangan terhadap asumsinya sedikit, maka uji parametrik masih bisa diandalkan. Tetapi bila asumsi ini tidak dipenuhi maka uji nonparametrik menjadi alternatif Universitas Sumatera Utara Atas landasan teori tersebut, maka peneliti menggunakan uji statistika parametrik di dalam penelitian ini. Teknik analisis data dilakukan dengan menggunakan software SPSS. Dalam penggunaan model analisis regresi berganda tentang pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak.

3.8.1 Statistik Deskriptif

Statistik deskriptif dalam penelitian pada dasarnya merupakan proses transformasi data penelitian dalam bentuk tabulasi sehingga mudah dipahami dan diinterpretasikan Indriantoro et al, 1999:170. Statistik deskriptif memberikan gambaran atau deskripsi tentang suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness kemencengan distribusi, sehingga secara kontekstual dapat lebih mudah dimengerti oleh pembaca.

3.8.2 Uji Asumsi Klasik

Uji asumsi klasik dilakukan untuk memastikan bahwa sampel yang diteliti terbebas dari gangguan normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi.

3.8.2.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variable penganggu atau residual memiliki distribusi normal Ghozali, 2006:110. Model regresi yang baik memiliki distribusi data yang normal atau mendekati normal. Pengujian normalitas ini dapat dilakukan melalui :

1. Analisis Grafik

Universitas Sumatera Utara Salah satu cara termudah untuk melihat normal residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Apabila grafik histogram menunjukkan kemiringan garis diagonal yang cenderung seimbang, baik sisi kiri maupun kanan, ataupun tidak condong ke kiri maupun ke kanan maka data dapat dikatakan telah terdistribusi secara normal.

2. Analisis Statistik

Untuk mendeteksi normalitas data, dapat pula dilakukan melalui analisis statistik Kolmogorov-Smirnov Test K-S. Uji K-S dilakukan dengan membuat hipotesis : H = Data residual terdistribusi normal. H 1 = Data residual tidak terdistribusi normal. Dasar pengambilan keputusan dalam uji K-S adalah apabila nilai signifikansi 0.05 maka H o diterima dan H a ditolak, hal ini berlaku sebaliknya, apabila nilai signifikansi 0.05 maka H o ditolak dan H a diterima.

3.8.2.2 Uji Multikolinearitas

Menurut Umar, 2003:132 sebelum melakukan analisis regresi berganda, perlu diperiksa beberapa aspek, salah satunya adalah tidak terdapat multikolinearitas atas data dari variabel-variabel independennya. Maksudnya adalah tidak adanya korelasi yang sempurnaatau korelasi yang tidak sempurna namun relatif tinggi pada variabel-variabel bebasnya. Adanya multikolinearitas sempurna akan berakibat bahwa koefisien regresi tidak dapat ditentukan, serta standar deviasi akan menjadi tak terhingga. Universitas Sumatera Utara Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari Tolerance Value atau Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi. Nilai cut-off yang umum adalah: 1. Jika nilai tolerance 0.10 persen dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variable independen dalam model regresi. 2. Jika nilai tolerance 0.10 persen dan nilai VIF 10, maka dapa disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.

3.8.2.2 Uji Heterokedastisitas

Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heterokedastisitas dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Sumbu Y menjadi sumbu yang telah diprediksi dan sumbu X adalah residual Y prediksi-Y Universitas Sumatera Utara sesungguhnya yang telah di studentized. Deteksi ada tidaknya heterokedastisitas dapat dilakukan sebagai berikut Ghozali, 2006:105 : a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, mengidentifikasikan telah terjadi heterokedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. Jika variabel independen signifikan secara statistik mempengaruhi variable dependen, maka ada indikasi heteroskedastisitas. Sebaliknya, jika tidak ada satu pun variabel independen yang signifikan secara statistik mempengaruhi variable dependen, maka dapat disimpukan model regresi tidak mengandung heteroskedastisitas.

3.8.2.3 Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 sebelumnya Ghozali, 2006:95. Terdapat beberapa cara untuk menguji ada atau tidaknya autokorelasi dan p ada penelitian ini akan digunakan uji Durbin – Watson DW Test. Hipotesis yang akan diuji adalah : H o : tidak ada autokorelasi H a : ada autokorelasi Pengambilan keputusan ada tidaknya autokorelasi ditunjukkan pada Tabel 3.4 di bawah ini Tabel 3.4 Pengambilan Keputusan Autokorelasi Universitas Sumatera Utara Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi positif Tidak ada keputusan dl ≤ d ≤ du Tidak ada korelasi negatif Tolak 4 – dl d 4 Tidak ada korelasi negatif Tidak ada keputusan 4 – du ≤ d ≤ 4 – dl Tidak ada autokorelasi positif atau negatif Tidak ditolak du d 4 – du Sumber : Aplikasi Analisis Multivariate Dengan Program SPSS Imam Ghozali, 2006

3.8.3 Pengujian Hipotesis

Menurut Sugiyono 2006:250 analisis regresi linear berganda digunakan untuk meramalkan bagaimana keadaan naik turunnya variabel dependen, jika dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi dinaik turunkan nilainya. Model analisis regresi linear berganda dipilih karena penelitian ini dirancang untuk meneliti variabel bebas yang berpengaruh terhadap variabel tidak bebas. Persamaan regresi linear berganda dapat dirumuskan sebagai berikut : � = � + �1�1 + �2�2 + �3�3 + �4�4 + � Keterangan : Y = Audit delay X1 = Total Assets X2 = Return on AssetsROA X3 = Debt to Equity Ratio DER X4= Opini audit Universitas Sumatera Utara b1...b3 = Koefisien regresi a = Konstanta e = Faktor pengganggu

3.8.3.1 Uji Signifikansi Parameter Penelitian Uji Statistik t

Pengujian hipotesis untuk masing-masing variabel ukuran perusahaan, ROA, DER, dan opini audit, terhadap jangka waktu pelaporan keuangan audit delay menggunakan uji signifikansi parameter penelitian uji t. Uji signifikansi parameter penelitianpada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variasi variabel independen Ghozali, 2006:84. Adapun mengenai hipotesis-hipotesis yang dilakukan dalam penelitian ini dirumuskan sebagai berikut: 1 Jika prob 0.05 atau t-hitung t-tabel maka variabel X secara individu Parsial memiliki pengaruh yang signifikan terhadapvariabel Y. 2 Jika prob 0.05 atau t-hitung t-tabel maka variabel X secara individu Parsial tidak memiliki pengaruh yang signifikan terhadap variabel Y.

3.8.3.2 Uji Signifikansi Simultan Uji F

Uji F digunakan untuk menguji apakah model regresi dapat digunakan untuk memprediksi variabel dependen. Hipotesis akan diuji dengan menggunakan tingkat signifikansi a sebesar 5 persen atau 0.05. Kriteria penerimaan atau penolakan hipotesis akan didasarkan pada nilai probabilitas signifikansi. Jika nilai Universitas Sumatera Utara probabilitas signifikansi 0.05, maka hipotesis diterima. Hal ini berarti model regresi dapat digunakan untuk memprediksi variabel independen. Jika nilai probabilitas signifikansi 0.05, maka hipotesis ditolak. Hal ini berarti model regresi tidak dapat digunakan untuk memprediksi variabel dependen. BAB 1V HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Objek di dalam penelitian ini adalah perusahaan minyak dan gas bumi yang go public, dimana perusahaan-perusahaan tersebut terdaftar menjadi emiten di Bursa Efek Indonesia BEI selama periode 2010 – 2012. Jumlah perusahaan minyak dan gas bumi yang tercatat adalah 8 perusahaan, dan setelah dilakukan proses penyeleksian berdasarkan kriteria maka diperoleh 7 perusahaan yang dapat menjadi sampel dalam penelitian ini. Metode analisis yang digunakan adalah metode analisis statistik yaitu dengan persamaan analisis regresi berganda. Analisis data dimulai dengan mengolah data menggunakan Microsoft Excel, kemudian akan dilakukan pengujian asumsi klasik, dan pengujian hipotesis dengan analisis regresi berganda. Uji asumsi klasik dan analisis regresi berganda dilakukan dengan menggunakan software SPSS versi 20.0 Tabel 4.1 Daftar Sampel Perusahaan Minyak dan Gas Bumi di Bursa Efek Indonesia Universitas Sumatera Utara No Kode Saham Nama Perusahaan Listing Date 1 ARTI PT Ratu Prabu Energi Tbk 30 April 2003 2 APEX PT Apexindo Pratama Duta Tbk 10 Juli 2002 3 BIPI PT Benakat Petroleum Energy Tbk 11 Februari 2010 4 ELSA PT Elnusa Tbk 6 Februari 2008 5 ENRG PT Energi Mega Persada Tbk 7 Juni 2004 6 MEDC PT Medco Energi International Tbk 12 Oktober 1994 7 RUIS PT Radiant Utama Interinsco Tbk 12 Juli 2006 Tabel 4.2 Daftar Variabel Penelitian No Kode Tahun SIZE ROA DER OPINI 1 ARTI 2010 14.13 1.94 0.72 1 2011 14.19 0.96 0.81 1 2012 14.16 2.24 0.69 1 2 APEX 2010 15.36 -1.80 0.40 1 2011 15.13 -2.53 0.19 2012 15.3 0.44 0.18 1 3 BIPI 2010 15.12 2.56 0.89 2011 15.30 14.67 1.30 2012 15.27 4.91 1.10 1 4 ELSA 2010 16.28 -0.31 1.00 2011 16.67 1.87 1.83 2012 16.75 1.64 1.97 5 ENRG 2010 16.83 9.47 1.86 1 2011 16.97 14.05 2.02 2012 17.08 4.94 2.24 2010 13.30 3.44 1.78 Universitas Sumatera Utara 6 MEDC 2011 13.80 1.19 3.65 2012 13.93 4.10 3.93 7 RUIS 2010 15.19 -17.75 0.63 2011 15.39 7.22 1.62 1 2012 15.66 2.40 2.05 1 Data : Hasil Olahan Peneliti

4.2 Metode Statistik Deskriptif