Metode Pengumpulan Data Pengujian Hipotesis

4.3. Populasi dan Sampel Penelitian

Populasi pada penelitian ini adalah perusahaan–perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Ada 129 perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada tahun 2010. Dengan indikator kriteria bahwa perusahaan mempublikasikan datanya berupa laporan keuangan perusahaan pada tahun 2010, maka populasi yang memenuhi syarat ada 124 perusahaan. Dari populasi tersebut dengan menggunakan metode sensus maka sampel ada sebanyak 124 perusahaan. Tabel 4.1 Sampel Perusahaan Manufaktur Tahun 2010 Kriteria Sampel Jumlah Perusahaan Perusahaan manufaktur yang listing tahun 2010 dan mempublikasikan laporan keuangan 124 Jumlah sampel 124 Sumber : Data Sekunder yang diolah, 2011 Adapun perusahaan yang telah terpilih menjadi sampel pada penelitian ini dapat dilihat pada lampiran 1. Data Sampel Perusahaan Manufaktur di BEI Tahun 2010.

4.4. Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data sekunder berupa laporan keuangan perusahaan manufaktur. Data diperoleh dari Bursa efek Indonesia BEI yang didownload dari website www.idx.co.id . Pada penelitian ini, data yang digunakan meliputi laporan Laba Rugi, Neraca serta website perusahaan sampel. Universitas Sumatera Utara Sumber data tersebut diperoleh dari website Bursa Efek Indonesia BEI periode 2010 untuk laporan keuangan masing-masing perusahaan sampel. 4.5. Definisi Operasional dan Pengukuran Variabel 4.5.1. Variabel Dependen Variabel dependen adalah variabel terikat, yaitu variabel yang dipengaruhi oleh variabel-variabel lainnya. Dalam penelitian ini yang menjadi variabel dependen adalah pelaporan keuangan melalui internet IFR. Pelaporan keuangan melalui internet diproksikan sebagai perusahaan yang mau mempublikasikan informasi keuangan melalui internet yaitu website pribadi perusahaan selain melalui pasar modal. Pelaporan keuangan melalui internet diukur dengan menggunakan nominal kategori. Kode 1 untuk perusahaan IFR IFRC dan kode 0 untuk perusahaan non- IFR Non IFRC. 4.5.2. Variabel Independen 4.5.2.1. Ukuran Perusahaan Ukuran perusahaan dapat dinyatakan dalam suatu skala dimana dapat diklasifikasikan besar kecilnya perusahaan menurut berbagai cara antara lain dengan total aset Fitriani,2001. Pengukuran atas variabel ukuran perusahaan dilakukan berdasarkan natural logaritma dari total aset perusahaan. Implikasinya bahwa perusahaan yang besar dilihat dari aset yang dimiliki oleh perusahaan. Universitas Sumatera Utara Apabila aset perusahaan besar akan berdampak pada pengungkapan yang lebih luas dari informasi keuangan Luciana, 2007. Ukuran perusahaan = lntotal aset

4.5.2.2. Umur Listing

Umur listing menunjukkan lamanya perusahaan sudah masuk atau terdaftar pada pasar modal. Umur listing perusahaan dalam penelitian ini diukur sesuai dengan jumlah umur perusahaan sejak penawaran saham perdana First Issue Yularto dan Chariri, 2003. Umur listing = tahun 2010 – tahun IPO First Issue

4.5.2.3. Leverage

Leverage perusahaan menunjukkan kemampuan perusahaan didalam melunasi hutang jangka panjang perusahaan Oyelere et al., 2003. Semakin tinggi tingkat leverage perusahaan maka semakin tinggi perusahaan mengungkapkan informasi keuangannya sebagai kewajiban untuk memenuhi kebutuhan informasi kreditur jangka panjang. Dalam penelitian ini, leverage perusahaan akan diukur dengan rasio utang jangka panjang dengan ekuitas Helfert, 1997 Leverage = Total ekuitas Utang jangka panjang

4.5.2.4. Reputasi Auditor

Kualitas aktual audit tidak dapat diobservasi, sehingga auditor berusaha untuk mengkomunikasikan kualitas mereka melalui signal seperti reputasi atau brandnames Ali dan Hartono, 2003. Rezaee 2003 menjelaskan bahwa KAP Big Four memiliki Universitas Sumatera Utara reputasi yang baik karena memiliki kualitas audit yang baik. Reputasi Auditor dalam penelitian ini diukur dengan menggunakan variabel dummy dengan melihat apakah KAP tersebut berafiliasi dengan KAP Big Four atau tidak, kode 1 untuk KAP Big Four dan kode 0 untuk KAP Non Big Four.

4.5.2.5. Struktur Kepemilikan Pihak Asing

Struktur kepemilikan pihak asing diproksikan sebagai jumlah saham perusahaan yang dimiliki oleh pihak asing. Foreign Ownership diukur dengan menggunakan persentase saham yang dimiliki oleh pihak asing terhadap total saham perusahaan. Luciana, 2008. Foreign Ownership = Total saham perusahaan Saham pihak asing

4.5.2.6. Likuiditas

Likuiditas menunjukkan kemampuan perusahaan didalam melunasi hutang jangka pendek perusahaan. Variabel likuiditas diukur dengan pendekatan current ratio. Rasio aktiva lancar terhadap utang lancar current ratio merupakan rasio yang populer dalam mengukur likuiditas perusahaan Oyelere, 2003 Current Ratio = Hutang lancar aset lancar Universitas Sumatera Utara Tabel 4.2 Operasional Variabel Nama Variabel Definisi Parameter Skala Variabel dependen: Pelaporan Keuangan Melalui Internet Perusahaan yang mau mempublikasikan informasi keuangan melalui internet yaitu website Menggunakan kode 1 untuk IFR, kode 0 untuk non-IFR Nominal Variabel independen: 1. Ukuran Perusahaan 2. Umur listing 3. Leverage 4. Reputasi Auditor Suatu skala dimana dapat diklasifikasikan besar kecilnya perusahaaan menurut berbagai cara antara lain dengan ukuran total aset. Pengurangan dari tahun 2010 dikurang dengan tahun listing perusahaan Perbandingan hutang jangka panjang dengan total ekuitas Penggunaan auditor yang berasal dari KAP yang mempunyai relasi dengan big four Lntotal aset Tahun 2010-Tahun IPO Total Ekuitas Hutang Jangka Panjang Menggunakan kode 1 untuk relasi big four dan kode 0 untuk relasi non big four Rasio Rasio Rasio Nominal Rasio Universitas Sumatera Utara 5. Struktur kepemilikan pihak asing 6. Likuiditas Saham yang dimiliki pihak asing dibagi dengan total saham Perbandingan asset lancar dengan kewajiban lancar Total saham Saham asing Kewajiban Lancar Asset Lancar Rasio

4.6. Metode Analisis Data

Pengujian hipotesis dilakukan dengan analisis multivariat dengan menggunakan regresi logistik logistic regression.Regresi logistik adalah regresi yang variabel bebasnya merupakan kombinasi antara metrik dan non metrik nominal Ghozali, 2005. Regresi logistik tidak memerlukan uji normalitas dan uji asumsi klasik pada variabel bebasnya. Gujarati 2003 menyatakan bahwa regresi logistik mengabaikan heteroscedasity, artinya variabel terikat tidak memerlukan homoscedacity untuk masing-masing variabel bebasnya.

4.6.1. Fungsi Logistik

Universitas Sumatera Utara Regresi logistik adalah sebuah pendekatan model matematik yang dapat digunakan untuk menggambarkan hubungan beberapa variabel X dengan variabel dependen yang dikotomuspolitomus Kleinbaum Klein, 2002. Model ini digunakan untuk menyelesaikan permasalahan hubungan antara variabel dependen yang berupa variabel dichotomous maupun polytomous dengan variabel independen yang dapat berupa variabel ordinal, nominal maupun rasio. Penyelesaian permasalahan ini menggunakan pendekatan persamaan non linear yaitu model logistik dengan persamaan regresi logistik. Regresi logistik membentuk persamaan atau fungsi dengan pendekatan maximum likelihood, yang memaksimalkan peluang pengklasifikasian objek yang diamati menjadi kategori yang sesuai kemudian mengubahnya menjadi koefisien regresi yang sederhana. Dua nilai yang biasa digunakan sebagai variabel dependen yang diprediksi adalah 0 dan 1 ex. 1=berhasil, 0=gagal. Regresi logistik menghasilkan rasio peluang odds ratios antara keberhasilan atau kegagalan suatu dari analisis. Regresi logistik akan membentuk variabel prediktorrespon log p1-p yang merupakan kombinasi linier dari variabel independen. Nilai variabel prediktor ini kemudian ditransformasikan menjadi probabilitas dengan fungsi logit. Asumsi-asumsi dalam regresi logistik biner adalah : 1. Tidak mengasumsikan hubungan linier antar variabel dependen dan independen 2. Variabel dependen harus bersifat dikotomi 2 variabel Universitas Sumatera Utara 3. Variabel independen tidak harus memiliki keragaman yang sama antar kelompok variabel 4. Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat eksklusif 5. Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50 sampel data untuk sebuah variabel prediktor bebas.

4.6.2. Persamaan Regresi Logistik

Regresi logistik menghasilkan rasio peluang yang dinyatakan dengan transformasi fungsi logaritma log, dengan demikian fungsi transformasi log ataupun ln diperlukan untuk p-value, dengan demikian dapat dinyatakan bahwa logitp merupakan log dari peluang odds ratio atau likelihood ratio dengan kemungkinan terbesar nilai peluang adalah 1, dengan demikian persamaan regresi logistik menjadi: logitp = log p1-p = ln p1-p dimana p bernilai antara 0-1. Model yang digunakan pada regresi logistik adalah: Log P 1 – p = β + β 1 X 1 + β 2 X 2 + …. + β k X Dimana p adalah kemungkinan bahwa Y = 1, dan X1, X2, X3 adalah variabel independen, dan b adalah koefisien regresi. k Logit log odds merupakan koefisien slope b dari persamaan regresi. Slope disini adalah perubahan nilai rata-rata dari Y dari satu unit perubahan nilai X. Regresi logistik melihat perubahan pada nilai variabel dependen yang ditransformasi menjadi Universitas Sumatera Utara peluang, bukan nilai aslinya seperti pada regresi linier. Nilai odds ratio biasanya dapat kita lihat pada kolom expB pada ‘variables in the equation’ output SPSS. Kecocokan Model model fit dan fungsi likelihood Likelihood berarti juga peluang atau probabilitas untuk hipotesis tertentu. Seperti yang kita ketahui pada kurva regresi linier kita lihat adanya hubungan linier, peningkatan pada sumbu Y akan diikuti dengan peningkatan pada sumbu X dan sebaliknya. Tetapi pada regresi logistik dengan nilai Y antara 0 dan 1, pendekatan linier tidak bisa kita gunakan. Oleh karena itu metode maximum likelihood sangat berguna dalam menentukan kecocokan model yang tepat bagi persamaan yang kita miliki. Hipotesis dalam regresi logistik antara lain: 1. h 2. h = ketika persamaan regresi bernilai 0 [logitp = 0]. 1 Regresi logistik merupakan regresi non linier dimana model yang ditentukan akan mengikuti pola kurva linier seperti gambar di bawah ini. = persamaan regresi berbeda nyata dari 0 [logitp ≠ 0]. Universitas Sumatera Utara Gambar 4.1. Kurva Regressi Logistik Regresi logistik juga menghasilkan rasio peluang odds ratios terkait dengan nilai setiap prediktor. Peluang odds dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang odds ratios merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi predictor diartikan sebagai jumlah relatif dimana peluang hasil meningkat rasio peluang 1 atau turun rasio peluang 1 ketika nilai variabel prediktor meningkat sebesar 1 unit.

4.6.3. Model Regresi logistik yang digunakan

Model analisis data yang digunakan analisis multivariat dengan menggunakan regresi logistik untuk menguji dan menganalisis, pengaruh ukuran perusahaan, umur listing, leverage, reputasi auditor, struktur kepemilikan pihak asing, dan likuiditas perusahaan terhadap pelaporan keuangan melalui internet internet financial reporting pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Data diolah dengan program Statistical PackageFor Social Science SPSS. Universitas Sumatera Utara Model regresi logistik yang digunakan untuk menguji hipotesis sebagai berikut: LN IFR = a + a 1 X 1 + a 2 X 2 + a 3 X 3 + a 4 X 4 + a 5 X 5 + a 6 X 6 1-IFR + e Keterangan: LN IFR 1-IFR kategori 0 untuk perusahaan non-IFR Non-IFRC = kategori 1 untuk perusahaan IFR IFRC, dan X 1 X = Ukuran Perusahaan 2 X = Umur listing= Leverage 4 X = Reputasi Auditor 5 X = Struktur kepemilikan pihak asing 6 a = Likuiditas a = konstanta 1 –a 7 ε = koefisien regresi = Pengaruh variabel lain epsilon atau residual error term

4.7. Pengujian Hipotesis

Hipotesis dalam regresi logistik antara lain: 1. h 2. h = ketika persamaan regresi bernilai 0 [logitp = 0]. = NonIFR 1 = persamaan regresi berbeda nyata dari 0 [logitp ≠ 0].=IFR Universitas Sumatera Utara Untuk melakukan hipotesis yang diajukan, maka perlu dilakukan pengujian secara statistik. Pengujian hipotesis dilakukan dengan analisis multivariat dengan menggunakan regresi logistik logistic regression, Ghozali, 2005. Estimasi dilihat dengan maximum likelihood. Universitas Sumatera Utara

BAB V HASIL ANALISIS DAN PEMBAHASAN

5.1. Hasil Penelitian 5.1.1. Statistik Deskriptif Statistik deskriptif memberikan gambaran mengenai variabel-variabel penelitian yang diamati. Pengukuran statistik deskriptif dalam penelitian ini menghasilkan perhitungan sebagaimana tercantum dalam Tabel 5.1. Tabel 5.1 Deskripsi Variabel Penelitian Minimum Maximum Rata-rata Frekuensi Persentase Ukuran Perusahaan 23 32 27.20 Umur Listing 31 15.81 Leverage -8 75 2.48 Struktur Kepemilikan Asing 0.9 0.52 Likuiditas .00 85 3.00 Reputasi Auditor : KAP Non BigFour - - - 72 58.1 KAP BigFour - - - 52 41.9 Pelaporan Keuangan Melalui Internet : Non IFR - - - 26 21.0 IFR - - - 98 79.0 Sumber : Lampiran 4 Tabel 5.1 menunjukkan nilai tertinggi, nilai terendah dan rata-rata dari variabel ukuran perusahaan, umur listing, leverage, struktur kepemilikan pihak asing, dan likuiditas dengan jumlah 124 perusahaan manufaktur selama tahun 2010. Universitas Sumatera Utara