Berdasarkan tabel diatas menunjukkan bahwa laporan keuangan tahun 2004 sampai 2007 selalu dilaporkan secara tepat waktu oleh perusahaan.
Kecuali pada PT Gajah Tunggal, Tbk yang terlihat bahwa laporan keuangan pada tahun 2006 tidak dilaporkan secara tepat waktu yang dikarenakan
melebihi tanggal 31 Maret. Kemudian ada juga PT Sugi Samapersada, Tbk yang terlihat bahwa laporan keuangan pada tahun 2007 tidak dilaporkan
secara tepat waktu yang dikarenakan melebihi tanggal 31 Maret.
4.2 Analisis dan Uji Hipotesis
4.3.1 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Dari hasil pengujian normalitas yang
dilakukan terhadap variabel–variabel yang diteliti dengan menggunakan uji kolmogorov-smirnov didapat hasil sebagai berikut :
Tabel 4.7 : Hasil Uji Normalitas.
One-Sample Kolmogorov-Smirnov Test
40 40
40 40
40 7.00472
3.4398 17.866
14.70 3.4633
21.2108 5.55479
8.9354 4.642
6.03319 .483
.146 .132
.185 .346
.483 .092
.132 .185
.346 -.371
-.146 -.106
-.090 -.299
3.054 .922
.832 1.171
2.191 .000
.363 .493
.129 .000
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Ukuran
Perusah aan X1
Profitabil itas X2
Likuidit as X3
Umur Perusaha
an X4 Rasio
Gearing X5
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 2
Hasil uji normalitas menunjukkan bahwa untuk seluruh variabel memiliki nilai signifikansi 0,05, sehingga data seluruh variabel tersebut
memiliki distribusi data yang normal.
4.3.2 Regresi Logistik
Metode regresi logistik digunakan untuk mencari pengaruh satu atau lebih variabel bebas ukuran perusahaan, profitabilitas, likuiditas, umur
perusahaan, rasio gearing yang berskala rasio terhadap variabel terikat ketepatan waktu pelaporan keuangan yang berskala nominal.
Hipotesis :
H :
β
i
= 0 variabel X tidak berpengaruh terhadap variabel Y H
1
: β
i
≠ 0 variabel X berpengaruh terhadap variabel Y Dimana : i = MC, NPM, CR, AGE, RG
Tingkat kesalahan untuk menolak H atau
α sebesar 5 0,05, sehingga kriteria penolakan H
jika tingkat signifikan yang dihasilkan 5. Tabel 4.8 : Model Regresi Logistik
Variables in the Equation
7.000 138.315
.003 1
.960 1096.204 -178.909 3337.986
.003 1
.957 .000
-35.107 664.518
.003 1
.958 .000
-86.518 1632.233 .003
1 .958
.000 -84.998 1593.485
.003 1
.957 .000
3595.478 7501.108 .003
1 .958
. X1
X2 X3
X4 X5
Constant Step
1
a
B S.E.
Wald df
Sig. ExpB
Variables entered on step 1: X1, X2, X3, X4, X5. a.
Sumber : Lampiran 2 Berdasarkan hasil pengujian di atas, diketahui bahwa tingkat
signifikan dari variabel ukuran perusahaan X
1
yaitu sebesar 0.960 sig 5, tingkat signifikan dari variabel profitabilitas X
2
yaitu sebesar 0.957 sig 5, tingkat signifikan dari variabel likuiditas X
3
yaitu sebesar 0.958 sig 5, tingkat signifikan dari variabel umur perusahaan X
4
yaitu sebesar 0.958 sig 5, dan tingkat signifikan dari variabel rasio gearing
X
5
yaitu sebesar 0.957 sig 5. Tingkat signifikan yang dihasilkan kelima variabel bebas tersebut diatas 5 maka dapat disimpulkan bahwa
variabel ukuran perusahaan X
1
, profitabilitas X
2
, likuiditas X
3
, umur perusahaan X
4
, dan rasio gearing X
5
secara parsial tidak berpengaruh signifikan terhadap ketepatan waktu penyampaian laporan keuangan Y.
Bentuk model regresi logistik adalah sebagai berikut :
Dari persamaan tersebut dapat dijelaskan sebagai berikut : β
= 3595.478 Nilai konstanta sebesar 3595.478 menunjukkan apabila variabel
ukuran perusahaan, profitabilitas, likuiditas, umur perusahaan, dan rasio gearing sebesar nol konstan, maka besarnya nilai log peluang perusahaan
menyampaikan laporan keuangan tepat waktu adalah sebesar 3595.478. β
1
= 7.000
Menunjukkan besarnya nilai koefisien regresi untuk variabel likuiditas X
1
yaitu 7.000 dan mempunyai koefisien regresi positif secara statistik tidak signifikan dengan tingkat signifikansi 0,960. Hal ini menunjukkan terjadinya
perubahan yang searah dengan variabel terikat. Jadi setiap ada kenaikan pada variabel ukuran perusahaan X
1
sebesar 1 satuan dapat meningkatkan log peluang variabel ketepatan waktu Y sebesar 7.000. dan sebaliknya apabila
terjadi penurunan pada variabel ukuran perusahaan X
1
sebesar 1 satuan dapat menurunkan pula log peluang variabel ketepatan waktu Y sebesar
7.000 dengan asumsi bahwa variabel-variabel yang lain adalah konstan. β
2
= - 178.909 Koefisien regresi untuk variabel profitabilitas X
2
sebesar - 178.909 secara statistik tidak signifikan dengan tingkat signifikansi 0,957. Tanda
negatif menunjukkan terjadinya perubahan yang berlawanan arah dari variabel profitabilitas X
2
terhadap variabel ketepatan waktu penyampaian laporan keuangan Y, yang berarti apabila variabel profitabilitas X
2
mengalami peningkatan sebesar 1 satuan maka log peluang variabel ketepatan waktu
penyampaian laporan keuangan Y akan mengalami penurunan sebesar 178.909 demikian sebaliknya apabila variabel profitabilitas X
2
mangalami penurunan sebesar 1 satuan maka log peluang variabel ketepatan waktu
penyampaian laporan keuangan Y akan mengalami peningkatan sebesar 178.909 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β
3
= -35.107 Koefisien regresi untuk variabel likuiditas X
3
adalah sebesar -35.107 secara statistik tidak signifikan dengan tingkat signifikansi 0,958. Tanda
negatif menunjukkan terjadinya perubahan yang berlawanan arah dari variabel likuiditas X
3
terhadap variabel ketepatan waktu penyampaian laporan keuangan Y, yang berarti apabila variabel likuiditas X
3
mengalami peningkatan sebesar 1 satuan maka log peluang variabel ketepatan waktu
penyampaian laporan keuangan Y akan mengalami penurunan sebesar 35.107 demikian sebaliknya apabila variabel likuiditas X
3
mangalami penurunan sebesar 1 satuan maka log peluang variabel ketepatan waktu
penyampaian laporan keuangan Y akan mengalami peningkatan sebesar 35.107 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β
4
= -86.518 Koefisien regresi untuk variabel umur perusahaan X
4
adalah sebesar -86.518 secara statistik tidak signifikan dengan tingkat signifikansi 0,958.
Tanda negatif menunjukkan terjadinya perubahan yang berlawanan arah dari variabel umur perusahaan X
4
terhadap variabel ketepatan waktu penyampaian laporan keuangan Y, yang berarti apabila variabel umur
perusahaan X
4
mengalami peningkatan sebesar 1 satuan maka log peluang variabel ketepatan waktu penyampaian laporan keuangan Y akan mengalami
penurunan sebesar 86.518 demikian sebaliknya apabila variabel umur
perusahaan X
4
mengalami penurunan sebesar 1 satuan maka log peluang variabel ketepatan waktu penyampaian laporan keuangan Y akan mengalami
peningkatan sebesar 86.518 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β
5
= -84.998 Koefisien regresi untuk variabel rasio gearing X
5
adalah sebesar - 84.998 secara statistik tidak signifikan dengan tingkat signifikansi 0,957.
Tanda negatif menunjukkan terjadinya perubahan yang berlawanan arah dari variabel rasio gearing X
5
terhadap variabel ketepatan waktu penyampaian laporan keuangan Y, yang berarti apabila variabel rasio gearing X
5
mengalami peningkatan sebesar 1 satuan maka log peluang variabel ketepatan waktu penyampaian laporan keuangan Y akan mengalami penurunan
sebesar 84.998 demikian sebaliknya apabila variabel rasio gearing X
5
mengalami penurunan sebesar 1 satuan maka log peluang variabel ketepatan waktu penyampaian laporan keuangan Y akan mengalami peningkatan
sebesar 84.998 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
4.3.3 Menilai Model Fit
Menilai Model Fit dilakukan dengan tujuan untuk mengetahui apakah tidak ada perbedaan antara hasil observasi dengan kemungkinan hasil prediksi
model.
Hipotesis :
H : Model yang dihipotesiskan fit dengan data
H
1
: Model yang dihipotesiskan tidak sesuai dengan data
Tabel 4.10 : Hasil Uji Menilai Model Fit
Hosmer and Lemeshow Test
.000 1
.999 Step
1 Chi-square
df Sig.
Sumber : Lampiran 2 Berdasarkan tabel di atas nilai X
2
yang dihasilkan sebesar 0,000 dengan tingkat signifikan di atas 5 yaitu sebesar 0.999 maka hasilnya adalah
terima H yang artinya model sesuai tidak ada perbedaan antara hasil
observasi dengan kemungkinan prediksi model atau dengan kata lain model regresi logistik yang dihasilkan layak dipakai.
4.3.4 Koefisien Determinasi
R
2
Koefisien determinasi R
2
ini menggunakan Negelkerke’s R square yang merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan
bahwa nilainya bervariasi dari 0 nol sampai 1 satu. Nilai Negelkerke’s R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression.
Tabel 4.11 : Nilai R
2
Model Summary
.000
a
.328 1.000
Step 1
-2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
Estimation terminated at iteration number 20 because maximum iterations has been
reached. Final solution cannot be found. a.
Sumber : Lampiran 2
Berdasarkan tabel di atas menunjukkan bahwa nilai R
2
Nagelkerke’s yang dihasilkan adalah sebesar 1,000 yang berarti 100 variabel ketepatan
waktu penyampaian laporan keuangan Y dapat dijelaskan oleh variabel ukuran perusahaan X
1
, profitabilitas X
2
, likuiditas X
3
, umur perusahaan X
4
, dan rasio gearing X
5
.
4.3.5 Keakuratan Model
Adapun keakuratan model dapat dilihat pada classification table di bawah ini :
Tabel 4.12 : classification table
Classification Table
a
2 100.0
38 100.0
100.0 Observed
1 Timelines Y
Overall Percentage Step 1
1 Timelines Y
Percentage Correct
Predicted
The cut value is .500 a.
Sumber : Lampiran 2 Model regresi logistik yang dihasilkan pada tabel 4.8 adalah
Berdasarkan tabel 4.12 model tersebut adalah akurat dengan tingkat keakuratan model sebesar 100 yaitu hasil observasi pada semua kasus sama
dengan hasil prediksinya.
4.2 Uji Hipotesis