57
Regresi logistik adalah regresi yang digunakan untuk mencari persamaan regresi jika variabel dependennya merupakan variabel yang
berbentuk skala. Regresi logistik binariadalah regresi logistik dimana variabel dependenya berupa variabel dikotomi atau variabel biner. Contoh:
Variabel dikotomi atau variabel biner adalah sukses – gagal, ya – tidak, benar – salah, hadir – bolos, pria – wanita dan seterusnya.
2. Tahapan Regresi Logistik
Tahapan dalam pengujian dengan menggunakan uji regresi logistik logistic regression adalah statistik deskriptif dan pengujian hipotesis
penelitian, adapun penjelasannya diuraikan dalam paragraf di bawah ini Ghozali, 2009:
a. Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan deskripsi suatu data yang dilihat dari rata-rata mean, standar deviasi standard
deviation, dan
maksimum-minimum. Mean
digunakan untuk
memperkirakan besar rata-rata populasi yang diperkirakan dari sampel. Standar deviasi digunakan untuk menilai dispersi rata-rata dari sampel.
Maksimum-minimum digunakan untuk melihat nilai minimum dan maksimum dari populasi. Hal ini perlu dilakukan untuk melihat
gambaran keseluruhan dari sampel yang berhasil dikumpulkan dan memenuhi syarat untuk dijadikan sampel penelitian.
58
b. Pengujian Hipotesis Penelitian
Estimasi parameter
menggunakan Maximum
Likehood Estimation MLE.
H
o
= β
1
= β
2
= β
3
= ... = β
i
= 0 H
o
≠ β
1
≠ β
2
≠ β
3
≠ ... ≠ β
i
≠ 0 Hipotesis nol menyatakan bahwa variabel independen x tidak
mempunyai pengaruh terhadap variabel respon yang diperhatikan dalam populasi. Pengujian terhadap hipotesis dilakukan dengan
menggunakan α = 5. Nilai α dinyatakan sebagai besarnya tingkat
kesalahan yang dapat ditolerir. Umumnya, besarnya α adalah 5
Nachrowi dan Usman, 2006. Kaidah pengambilan keputusan adalah: a Jika nilai probabilitas sig.
α = 5, maka hipotesis alternatif didukung.
b Jika nilai probabilitas sig. α = 5, maka hipotesis alternatif
tidak didukung.
1 Menilai Keseluruhan Model Overall Model Fit.
Langkah pertama adalah menilai overall model fit terhadap data. Beberapa uji statistik diberikan untuk menilai hal ini.
Hipotesis untuk menilai model fit adalah: H
: Model yang dihipotesiskan fit dengan data H
a
: Model yang dihipotesiskan tidak fit dengan data
59
Hipotesis ini tidak akan menolak hipotesis nol agar model fit dengan data. Statistik yang digunakan berdasarkan pada fungsi
likelihood. Log Likelihood dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Pengujian
hipotesis nol
dan alternatif
dilakukan dengan
cara L
ditransformasikan menjadi -2LogL. Penurunan Likelihood -2LL menunjukkan model regresi yang lebih baik atau dengan kata lain
model yang dihipotesiskan fit dengan data Ghozali, 2009.
2 Koefisien Determinasi Nagelkerke R Square
Cox and Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1
satu sehingga sulit diinterpretasikan. Nagelkerke’s R Square merupakan modifikasi dari koefisien Cox and Snell untuk
memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu. Hal ini dilakukan dengan cara membagi nilai Cox and Snell’s
R
2
dengan nilai
maksimumnya. Nilai
Nagelkerke’s R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Nilai yang kecil berarti kemampuan variabel-variabel independen dalam
menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan
hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2009.
60
3 Menguji Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hosmer and
Lemeshow’s Goodness of Fit Test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan
antara model dengan data sehingga model dapat dikatakan fit. Jika nilai statistik Hosmer and Lemeshow’s Goodness of Fit Test sama
dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai
observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik
Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 0,05, maka hipotesis nol tidak dapat ditolak dan berarti model
mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya
Ghozali, 2009.
4 Uji Multikolinieritas
Model regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat di antara variabel bebasnya. Pengujian ini
menggunakan matrik korelasi antar variabel bebas untuk melihat besarnya
korelasi antar
variabel independen.
Jika variabel
independen saling berkorelasi, maka variabel-variabel ini tidak
61
ortogonal. Variabel ortogonal adalah variabel independen sama dengan nol Ghozali, 2009.
5 Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model
regresi. Tahap
ini dilakukan
untuk memprediksi
kemungkinan adanya pengungkapan keberadaan Risk Management Committee yang dilakukan oleh perusahaan Ghozali, 2009.
6 Model Regresi Logistik yang Terbentuk
Analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik logistic regression, yaitu dengan melihat faktor-
faktor yang mempengaruhi ketepatan waktu pelaporan keuangan. Model yang digunakan dalam penelitian ini adalah sebagai berikut:
Gambar 3.1 Persamaan Regresi
Y = β
+ βx
1
+ βx
2
+ βx
3
+ βx
4
+ ε
62
Y = audit delay
β0 = Konstanta βx
1
= IFRS ada atau tidaknya pengaruh IFRS βx
2
= Ukuran perusahaan Ln= total asset βx
3
= Tingkat Profitabilitas ROA= lababersihtotal asset βx
4
= Kompleksitas ada atau tidaknya anak perusahan ε = Kesalahan
E.
Operasionalisasi Variabel
Abdul Hamid 2012 menyatakan bahwa: “Batasan
operasional variabel
merupakan pendefinisian
dari serangkaian variabel yang digunakan dalam penulisan. Hal ini dipandang
perlu agar ada kesamaan makna atas suatu variabel yang mungkin mempunyai makna ganda. Dalam pendefinisian variabel-variabel sampai
dengan kemungkinan pengukuran dan cara pengukurannya” Didalam suatu penelitian terdapat dua variabel, yaitu variabel bebas
dan terikat. Variabel bebas independen adalah variabel yang mempengaruhi atau menjadi sebab perubahan atau timbulnya variabel dependen. Variable
terikatnya dependent adalah audit delay. Sedangkan variable bebas adalah penerapan IFRS, ukuran perusahaan, profitabilitas, dan Kompleksitas.
63
1. Variabel Dependen Variabel dependen yang digunakan dalam penelitian ini adalah audit
delay. Variabel dependen ini diukur berdasarkan tanggal penyampaian laporan keuangan tahunan auditan ke BAPEPAM dan LK. Perusahaan di
kategorikan tepat waktu jika laporan keuangan disampaikan selambat- lambatnya pada tanggal 31 Maret, sedangkan perusahaan yang terlambat
adalah perusahaan yang menyampaikan laporan keuangan setelah tanggal 31 Maret. Variabel ini diukur dengan menggunakan variable dummy
dengan kategorinya adalah bagi perusahaan yang tidak tepat waktu terlambat masuk kategori 1 dan perusahaan yang tepat waktu masuk
kategori 0. 2. Variabel Independen
a. Penerapan IFRS Penerapan IFRS dalam penelitian ini ditentukan dengan ada
tidaknya penyesuaian yang disebabkan oleh adanya revisi terhadap PSAK yang sudah diterapkan dan berpengaruh pada penerapan IFRS.
Pengukurannya menggunakan variabel dummy. Di mana kategori 1 untuk perusahaan yang memiliki penerapan IFRS dan kategori 0 untuk
perusahaan yang tidak memiliki penerapan IFRS. b. Ukuran Perusahaan
Ukuran perusahaan dapat dinilai dari beberapa segi. Besar kecilnya ukuran perusahaan dapat didasarkan pada total nilai aset, total
penjualan, kapitalisasi pasar, jumlah tenaga kerja dan sebagainya.
64
Semakin besar nilai item-item tersebut maka semakin besar pula ukuran perusahaan itu. Pada penelitian ini, ukuran perusahaan
diproksikan dengan menggunakan Ln total asset. Penggunaan natural log Ln dalam penelitian ini dimaksudkan untuk mengurangi fluktuasi
data yang berlebih. Jika nilai total asset langsung dipakai begitu saja maka nilai variabel akan sangat besar, miliar bahkan triliun. Dengan
menggunakan natural log, nilai miliar bahkan triliun tersebut
disederhanakan, tanpa mengubah proporsi dari nilai asal yang sebenarnya.
c. Profitabilitas Profitabilitas diukur dengan menggunakan return on asset
ROA.Return on Asset ROA merupakan rasio untuk mengukur efektivitas perusahaan didalam menghasilkan keuntungan dengan cara
memanfaatkan aktiva yang dimilikinya. Besarnya ROA diketahui dengan membandingkan laba bersih setelah pajak dan total aktiva.
Rasio ini bisa dihitung sebagai berikut: Return On Assets ROA = Laba Rugi bersih
Total Aset d. Kompleksitas
Kompleksitas operasi dalam penelitian ini ditentukan dengan ada tidaknya anak perusahaan. Pengukurannya menggunakan variabel
dummy. Di mana kategori 1 untuk perusahaan yang memiliki anak perusahaan dan kategori 0 untuk perusahaan yang tidak memiliki anak
perusahaan.
65
Tabel 3.1 Operasional Variabel
Variabel Indikator
Skala
Audit Delay Variabel Dummy, Laporan
Keuangan dikatakan terlambat apabila penyampaiannnya
lebih dari 90 hari setelah tanggal pelaporan keuangan tahunan dan diberi nilai 1,maka jika
Nominal
IFRS Variabel Dummy, IFRS dilihat dari apakah ada
penyesuaian pada
laporan ekuitas yang di pengaruhi oleh penerapan IFRS yang baru.jika
ada penerapan IFRS beri nilai 1, maka yang tidak ada penerapan IFRS diberi nilai 0
Nominal
Ukuran Perusahaan Ukuran perusahaa dilihat dengan besarnya total
asset dimana menggunakan Ln total asset. Rasio
Profitabilitas Return On Assets ROA =
Laba Bersih Total Aset
Rasio
Kompleksitas Kompleksitas perusahaan dilihat dari ada
atau tidaknya
anak perusahaan. Jika ada anak perusahaan diberi nilai 1, maka yang tidak
memiliki anak perusahaan diberi nilai 0 Nominal
66
BAB IV HASIL DAN PEMBAHASAN