50
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
4.2.1 Analisis Statistik Deskriptif
Universitas Sumatera Utara
51
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 1
.33 .474
Ukuran Perusahaan
52 22.90
34.52 28.0138
1.87360 Ketepatan Waktu
52 1
.58 .499
Sanksi BEI 52
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.
Universitas Sumatera Utara
52
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 perusahaan, terhadap ketepatan waktu pelaporan keuangan perusahaan
Universitas Sumatera Utara
53
pertambangan. Pengujian hipotesis meliputi 1 menilai kelayakan model regresi, 2 menilai keseluruhan model dan 3 menguji koefisien regresi.
4.3 Pengujian Hipotesis Pertama H
1
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 H ditolak atau tidak dapat didukung. Hal ini berarti model regresi yang
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 .000
.000
Universitas Sumatera Utara
54
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 History
a,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 History
a,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
Universitas Sumatera Utara
55
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 70.085
a
.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
Universitas Sumatera Utara
56
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
H
1
: 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 H
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. ExpB
95 C.I.for EXPB
Lower Upper
Step 1
a
Opini Audit
1.065 1.259
.715 1
.398 2.900
.246 34.187
Constant -4.952
6.233 .631
1 .427
.007 a. Variables entered on step 1: Opini Audit.
Universitas Sumatera Utara
57
4.4 Pengujian Hipotesis Kedua H
2
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 H 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.
Universitas Sumatera Utara
58
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 History
a,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 History
a,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
Universitas Sumatera Utara
59
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 53.828
a
.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
Universitas Sumatera Utara
60
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. ExpB
95 C.I.for EXPB
Lower Upper
Step 1
a
Audit Report
Lag -.089
.029 9.433
1 .002
.915 .864
.968 Constant
7.171 2.299
9.734 1
.002 1301.740 a. Variables entered on step 1: Audit Report Lag.
Sumber: Hasil Penelitian, 2016 data diolah
H
2
: 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 H
atau yang berarti audit report lag memberikan pengaruh positif yang signifikan terhadap ketepatan waktu pelaporan
keuangan.
4.5 Pengujian Hipotesis KetigaH
3
Hipotesis ketiga menyatakan bahwa reputasi KAP berpengaruh positif terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan
yang terdaftar di BEI.
Universitas Sumatera Utara
61
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
.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 H 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.
Universitas Sumatera Utara
62
Tabel 4.13 Nilai -2 Log likelihood -2 LL Awal
Iteration History
a,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 History
a,b,c,d