Jenis Data Metode Pengumpulan Data Gambaran Umum Persamaan Regresi

41

3.6 Jenis Data

Jenis data dalam penelitian ini adalah data dokumenter, sedangkan sumber data dalam penelitian ini adalah data sekunder. Data-data tersebut diperoleh secara tidak langsung melalui media perantara. Data sekunder yang digunakan dalam penelitian ini adalah laporan keuangan auditan perusahaan dari www.idx.co.id.

3.7 Metode Pengumpulan Data

Metode pengumpulan data dalam penelitian ini adalah metode dokumentasi, yaitu pengumpulan data dilakukan dengan cara mempelajari catatan-catatan atau dokumen-dokumen perusahaan sesuai dengan data yang diperlukan.

3.8 Teknik Analisis

Keseluruhan data yang terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penelitian ini. Dalam menganalisis data, peneliti menggunakan program SPSS. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik.

3.8.1 Statistik Deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi 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. Universitas Sumatera Utara 42

3.8.2 Uji Asumsi Klasik

Uji asumsi klasik dilakukan untuk memastikan bahwa sampel yang diteliti terbebas dari ganggu an normalitas, multikolonieritas, heteroskedastisitas, dan autokorelasi.

3.8.2.1 Uji Normalitas

Uji normalitas digunakan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual dapat terdistribusi secara normal. Model regresi yang baik memiliki distribusi data yang normal atau mendekati normal Ghozali, 2006. Beberapa cara untuk mengetahui apakah residual terdistribusi secara normal atau tidak yaitu dengan menggunakan analisis grafik dan uji statistik Kolmogorov-Smirnov Test. 1. Analisis Grafik Salah satu cara termudah untuk melihat normal residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Metode lain yang dapat digunakan adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Dasar pengambilan keputusan untuk uji normalitas data adalah Ghozali, 2013 : a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal. Universitas Sumatera Utara 43 b. Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal. 2. Analisis Statistik Kolmogorov-Smirnov Test 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 residua l tidak terdistribusi normal. Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut : a. Apabila tabel Kolmogorov-smirnov nilai signifikansinya lebih dari 5 0,05 maka model regresi memenuhi asumsi normalitas. b. Apabila tabel Kolmogorov-smirnov signifikansinya kurang dari 5 0,05 maka model regresi tidak memenuhi asumsi normalitas.

3.8.2.2. Uji Multikolinieritas

Menurut Ghozali 2006 uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya keeratan korelasi antar variabel independen. Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi Universitas Sumatera Utara 44 korelasi. 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 variable independen yang 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 10 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variable independen dalam model regresi. 2. Jika nilai tolerance 10 dan nilai VIF 10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.

3.8.2.3. Uji Heterokedastisitas

Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Apabila model penelitian menggunaan pengujian BLUE maka semua residual atas error memiliki varian yang sama atau dapat dikatakan sebagai heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Dasar Universitas Sumatera Utara 45 penentuan adanya heterokedastisitas model regresi yang baik apabila regresi yang tidak terjadi heterokedastisitas, dimana titik- titik dalam gambar scatterplot menyebar dan tidak membentuk pola tertentu yang jelas.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 sesungguhnya yang telah di studentized. Deteksi ada tidaknya heterokedastisitas dapat dilakukan sebagai berikut Ghozali, 2006: 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. Universitas Sumatera Utara 46

3.8.2.4. Uji Autokorelasi

Gejala autokorelasi sering ditemukan pada data time series. Autokorelasi merupakan gejala yang terjadi karena antar observasi dari satu variabel atau objek yang sama, dengan rentang waktu yang sama sehingga terjadi hubungan dari waktu kewaktu lain. Dalam penelitian ini menggunakan pengujian Durbin-Watson DW.

3.8.3. Pengujian Hipotesis

Menurut Sugiyono 2006:250 analisis regresi ganda digunakan untuk meramalkan bagaimana keadaan naik turunnya variabel dependen, jika dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi dinaik turunkan nilainya. Model analisis ini dipilih karena penelitian ini dirancang untuk meneliti variabel bebas yang berpengaruh terhadap variabel tidak bebas. Persamaan regresi linear berganda dapat dirumuskan sebagai berikut: Y= a + b1X1 + b2X2 + b3X3 + e Keterangan : Y = Audit report lag X 1 = Ukuran perusahaan X 2 = Jenis Opini Audit X 3 = Kualitas Audit b = Koefisien regresi a = Konstanta e = Faktor pengganggu Universitas Sumatera Utara 47

3.8.3.1 Uji Regresi Parsial Uji Statistik t

Pengujian hipotesis untuk masing-masing variabel Ukuran Perusahaan, Jenis Opini Audit, dan Kualitas Audit terhadap Jangka waktu pelaporan keuangan Audit Report Lag menggunakan uji regresi parsial uji t. Uji regresi parsial merupakan pengujian yang dilakukan terhadap variabel dependen atau variabel terikat Imam Ghozali, 2005. Adapun mengenai hipotesis-hipotesis yang dilakukan dalam penelitian ini dirumuskan sebagai berikut : H Jika prob 0.05 atau t hitung t tabel maka variabel X secara individu Parsial memiliki pengaruh yang signifikan terhadap variabel Y. H 1 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 Hipotesis Analisis 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 atau 0.05. Kriteria penerimaan atau penolakan hipotesis akan didasarkan pada nilai probabilitas signifikansi. Jika nilai probabilitas signifikansi 0.05, maka hipotesis diterima. Hal ini berarti model Universitas Sumatera Utara 48 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. Universitas Sumatera Utara 49 BAB IV HASIL PEMBAHASAN

4.1 Gambaran Umum

Di dalam bab ini disajikan analisis terhadap data yang telah diperoleh selama pelaksanaan penelitian. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi linier berganda. Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi linear berganda. Pengujian asumsi klasik, regresi linear berganda digunakan dengan menggunakan software SPSS versi 19. Penelitian dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output sesuai metode analisis data yang telah ditentukan. Data yang digunakan dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di BEI. Jumlah perusahaan manufaktur yang terdaftar di BEI pada tahun 2009 hingga tahun 2012 adalah sebanyak 138 perusahaan. Keseluruhan data tersebut kemudian diambil sesuai kriteria yang telah dipilih berdasarkan metode purposive sampling sehingga data yang terkumpul sebanyak 36 perusahaan. Berdasarkan 36 perusahaan manufaktur tersebut, kemudian dilakukan pengujian- pengujian. Universitas Sumatera Utara 50 4.2 Hasil Penelitian 4.2.1 Analisis Statistik Deskriptif Informasi yang dibutuhkan dalam penelitian ini adalah data sekunder yang diperoleh dari www.idx.co.id berupa data keuangan perusahaan manufaktur dari tahun 2009-2012 yang dijabarkan dalam bentuk statistik. Variabel yang digunakan dalam penelitian ini adalah ukuran perusahaan total asset, profitabilitas, jenis opini audit, dan kualitas audit sebagai variabel independen dan audit report lag sebagai variabel dependennya. Statistik deskriptif dari variabel tersebut merupakan perusahaan manufaktur go public yang terdaftar di BEI selama 2009 - 2012 disajikan dalam tabel dibawah ini. Tabel 4.1 Analisis Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation ASSET 136 11 20 14.88 1.736 ROA 136 42 9.78 9.484 JO 136 1 .56 .498 KA 136 1 .65 .480 ARL 136 31 149 75.76 17.039 Valid N listwise 136 Berikut ini adalah perincian deskriptif dari data yang telah diolah: 1. Variabel ukuran perusahaan total assets memiliki nilai minimum 11, nilai maksimum 20 dan rata-rata 14.88 dengan jumlah pengamatan 136. 2. Variabel Profitbilitas ROA memiliki nilai minimum 0, nilai maksimum 42 dan rata-rata 9.78 dengan jumlah pengamatan 136. Universitas Sumatera Utara 51 3. Variabel jenis opini audit memiliki nilai minimum 0, nilai maksimum 1 dan rata-rata 0.56 dengan jumlah pengamatan 136. 4. Variabel kualitas audit memiliki nilai minimum 0, nilai mksimum 1 dan rata- rata 0.65 dengan jumlah pengamatan 136. 5. Variabel audit report lag memiliki nilai minimum 31, nilai maksimum 149 dan rata-rata 75.76 dengan jumlah pengamatan 136. 4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas 1. Grafik Histogram dan P-P Plot Pengujian menggunakan grafik histogram dengan kriteria pola distribusi yang tidak menceng ke kiri dan kekanan maka dapat dinyatakan bahwa distribusi data berasal dari populasi yang terdistribusi normal. Pengujian normalitas menggunakan P-P Plot dengan kriteria, apabila titik- titik pada P-P Plot berada pada garis lurus, maka dapat dinyatakan bahwa distribusi data berasal dari populasi yang terdistribusi normal. Gambar 4.1 Hasil Uji Normal P-P Plot Universitas Sumatera Utara 52 Berdasarkan hasil histogram dan diagram P-P Plot diatas dapat diketahui bahwa grafik histogram memberikan pola distribusi yang normal dan titik-titik menyebar di sekitar garis lurus, seperti tampak pada gambar p-plot di atas. Hal ini berarti bahwa data penelitian ini telah diambil dari populasi yang terdistribusi 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 : H0 = Data residual terdistribusi normal. H1 = Data residual tidak terdistribusi normal. Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut: a. Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal. Universitas Sumatera Utara 53 b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik maka H diterima, yang berarti data terdistribusi normal. Tabel 4.2 Uji One-Sample Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 136 Normal Parameters a,b Mean .0000000 Std. Deviation 16.20231005 Most Extreme Differences Absolute .107 Positive .107 Negative -.105 Kolmogorov-Smirnov Z 1.250 Asymp. Sig. 2-tailed .088 a. Test distribution is Normal. b. Calculated from data. Dari hasil pengolahan data tersebut, besar nilai Kolmogorov-Smirnov adalah 1,250 dengan nilai signifikansi 0,088 maka disimpulkan data terdistribusi secara normal karena nilai signifikansi diatas 0,05 atau 5 yang menunjukkan Ho diterima. Hal ini sejalan dengan hasil yang didapatkan dari uji grafik normal diagram dan plot data.

4.2.2.2 Uji Multikolinearitas

Pengujian multikolinearitas dilakukan untuk membuktikan apakah ubahan atau variabel bebas pada penelitian ini dapat diasumsikan tidak saling berintervensi ketika dibuat pemodelan dengan variabel terikat. Kriteria dinyatakan bahwa variabel bebas tidak saling intervensi satu sama lain ketika Universitas Sumatera Utara 54 1. Jika nilai tolerance 10 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi. 2. Jika nilai tolerance 10 dan nilai VIF 10, maka dapa disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi. Pengujian multikoleniaritas dapat ditunjukkan sebagai berikut: Tabel 4.3 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 74.005 13.086 5.655 .000 ASSET .704 .912 .072 .773 .441 .800 1.250 ROA -.331 .156 -.184 -2.125 .035 .916 1.092 JO -.577 2.899 -.017 -.199 .843 .960 1.042 KA -7.962 3.484 -.224 -2.286 .024 .718 1.393 a. Dependent Variable: ARL Pada tabel hasil uji multikolinearitas di atas, diperoleh harga VIF tidak ada yang melebihi dari nilai 10 dan Tolerance 10. Dengan demikian dapat disimpulkan bahwa model regresi tersebut tidak terdapat masalah multikolinieritas antar variabel independen dalam model regresi.

4.2.2.3 Uji Heterokedasitas

Uji heteroskedastisitas digunakan untuk mengetahui apakah residu pada model regresi bersifat heterogen atau homogen. Apabila bersifat heterogen, akan menyebabkan model regresi tidak mampu meramalkan dengan akurat, karena memiliki residu yang tidak teratur. Pada penelitian ini untuk mengatahui ada atau Universitas Sumatera Utara 55 tidaknya problem heteroskedastisitas digunakan scatter plot. Kriterianya adalah apabila titik-titik pada scatter plot atau diagram pencar tidak membentuk pola tertentu, maka dapat dinyatakan bahwa model regresi tidak terkendala heteroskedastisitas. Gambar 4.2 Hasil Uji Scatter Plot Berdasarkan grafik scatter plot diatas dapat disimpulkan bahwa model regresi tidak terkendala heteroskedastisitas, karena dari output di atas dapat diketahui bahwa titik-titik tidak membentuk pola yang jelas, dan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y.

4.2.2.4 Uji Autokorelasi

Masalah autokorelasi biasanya terjadi ketika penelitian memiliki data yang terkait dengan unsur waktu times series. Data pada penelitian ini memiliki unsur waktu karena didapatkan antara tahun 2009 – 2012, sehingga perlu mengetahui apakah model regresi akan terganggu oleh autokorelasi atau tidak. Universitas Sumatera Utara 56 Autokorelasi dilakukan dengan menggunakan uji Durbin-Watson. Kriteria yang digunakan sebagai dasar pengambilan kesimpulnya adalah 1. Jika D-W di bawah -2, maka terdapat autokorelasi. 2. Jika D-W diantara -2 sampai +2 maka tidak ada autokorelasi. 3. Jika D-W di atas 2, maka ada autokorelasi negatif. Tabel 4.4 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .309 a .096 .068 16.448 1.121 a. Predictors: Constant, KA, JO, ROA, ASSET b. Dependent Variable: ARL Dari tabel diatas didapatkan nilai Durbin-Watson DW hitung sebesar 1.121 atau 1. Berdasarkan kriteria yang telah ditentukan DW hitung berada diantara -2 dan 2, yakni -2 ≤ 1 ≤ 2 maka ini berarti tidak terjadi autokorelasi. Sehingga kesimpulannya adalah Uji Autokorelasi terpenuhi.

4.3 Persamaan Regresi

Penelitian ini menggunakan regresi linear, dilakukan dengan menggunakan metode enter, dimana semua variabel dimasukkan untuk mencari hubungan antara variabel independen dan variabel dependen melalui meregresikan. Dari pengujian asumsi klasik dapat disimpulkan bahwa model regresi dapat digunakan dalam pengolahan data. Untuk menguji hipotesis Universitas Sumatera Utara 57 digunakan uji regresi berganda. Berdasarkan pengolahan data dengan menggunakan SPSS 19, maka diperoleh hasil sebagai berikut: Tabel 4.5 Uji Regresi Data Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 74.005 13.086 5.655 .000 ASSET .704 .912 .072 .773 .441 ROA -.331 .156 -.184 2.125 .035 JO -.577 2.899 -.017 -.199 .843 KA -7.962 3.484 -.224 2.286 .024 a. Dependent Variable: ARL Berdasarkan tabel diatas diperoleh persamaan regresi sebagai berikut: ARL=74.005+0.704Asset-0.331ROA-0.577JO-7.962KA Maksudnya adalah: 1. Konstanta sebesar 74.005 menunjukkan bahwa jika tidak ada variabel ukuran perusahaan, profitbilitas, jenis opini dn kualitas audit maka audit report lagnya adalah 74 hari. 2. Setiap terjadi kenaikan pada variabel ukuran perusahaan akan diikuti kenaikan pada variabel audit report lag sebesar 0,704 satuan dan variabel lainnya dianggap konstan. 3. Setiap terjadi kenaikan pada variabel profitabilitas akan diikuti penurunan pada variabel audit report lag sebesar -0,331 satuan dan variabel lainnya dianggap konstan. Universitas Sumatera Utara 58 4. Setiap terjadi kenaikan pada variabel jenis opini audit akan diikuti penurunan pada variabel audit report lag sebesar -0.577 satuan dan variabel lainnya dianggap konstan. 5. Setip terjadi kenaikan pada variabel ukuran perusahaan kan diikuti penurunan pada variabel audit report lag sebesar -7.962 satuan dan vriabel lainnya dianggap konstan.

4.4 Uji Hipotesis