Jenis dan Sumber Data Data Peneltian Pembahasan Hasil Penelitian

50 PICO PT Pelangi Indah Canindo Tbk 51 BTON PT Beton Jaya Manunggal Tbk 52 LION PT Lion Metal Works Tbk 53 JPRS PT Jaya Pari Steel Tbk 54 INAI PT Indal Aluminium Industry Tbk 55 IGAR PT Kageo Igar Jaya Tbk 56 BRNA PT Berlina Tbk 57 AKKU PT Aneka Kemasindo Utama 58 DYNA PT Dynaplast Tbk 59 LMAI PT Langgeng Makmur Industry Tbk Sumber : Hasil Pemilihan Sampel Penulis

C. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif yaitu data yang berbentuk angka. Data ini merupakan data sekunder yaitu data yang informasinya diperoleh secara tidak langsung dari perusahaan. Pada penelitian ini data sekunder diperoleh dalam bentuk dokumentasi yaitu data yang diterbitkan oleh pihak-pihak berkompeten melalui data laporan keuangan yang rutin diterbitkan setiap tahunnya dalam bentuk cetakan maupun download internet dari situs http:www.idx.co.id. Data sekunder dalam penelitian ini merupakan data laporan keuangan tahunan seluruh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2006, 2007, dan 2008.

D. Definisi Operasional dan Pengukuran Variabel

1. Definisi Operasional

Dalam penelitian ini definisi operasional yang dikemukakan antara lain mencakup: Universitas Sumatera Utara

a. Faktor-faktor yang mempengaruhi penyelesaian penyajian laporan keuangan

1 Laba Profit Profitabilitas menunjukkan kemampuan perusahaan untuk menghasilkan laba pada masa mendatang dan merupakan indikator dari keberhasilan operasi perusahaan. Profitabilitas diartikan sebagai perusahaan yang melaporkan laba bersih. Dalam penelitian ini pengukurannya menggunakan variabel dummy, yaitu nilai 1 untuk perusahaan yang melaporkan laba bersih dan nilai 0 untuk perusahaan yang melaporkan rugi bersih, seperti dalam penelitian Ahmad 2005. Variabel dummy merupakan variabel yang berskala ukuran non-metrik atau kategori. Cara pemberian kode dummy umumnya menggunakan kategori yang dinyatakan dengan angka 1 atau 0 Ghozali, 2005 : 128. 2 Solvabilitas Solvability Solvabilitas adalah kemampuan perusahaan untuk membayar semua hutangnya baik hutang jangka pendek maupun hutang jangka panjang dari harta perusahaan tersebut, Hanafi 2003. Rasio Solvabilitas yang digunakan dalam penelitian ini adalah rasio total debt to total assets, yang diukur dengan menggunakan rumus : Total Debt to Total Assets = Total Hutang Total Aktiva Universitas Sumatera Utara 3 Ukuran Perusahaan Firm Size Semakin besar suatu perusahaan, maka informasi tentang perusahaan tersebut semakin banyak diketahui investor. Ukuran perusahaan dalam penelitian ini menggunakan total aktiva. Pengukurannya dihitung dengan logaritma 10 berdasarkan total aktiva Rachmawati, 2008. 4 Umur Perusahaan Firm Age Idealnya umur perusahaan seharusnya diukur berdasarkan tanggal pada saat berdirinya perusahaan yang bersangkutan. Namun umur perusahaan dalam penelitian ini menggunakan tanggal listed-nya perusahaan di pasar modal seperti dalam penelitian Almilia dan Setiady. Umur perusahaan dihitung dalam satuan tahun, diawali sejak pertama kali melakukan first issue hingga akhir tahun pengamatan. 5 Ukuran Kantor Akuntan Publik acccountant public size Ukuran Kantor Akuntan Publik KAP yaitu auditor yang berafiliasi dengan KAP The Big Four dan KAP Non The Big Four. Dalam penelitian ini pengukurannya menggunakan variabel dummy, yaitu nilai 1 untuk perusahaan yang menggunakan auditor dengan KAP The Big Four dan nilai 0 untuk auditor lainnya Ahmad, 2005. Universitas Sumatera Utara

b. Penyelesaian penyajian laporan keuangan Finalization of Financial Statement

Penyelesaian penyajian laporan keuangan ini diukur dengan menggunakan rentang waktu atau keterlambatan penyelesaian penyajian laporan keuangan. Yang dimaksud dengan keterlambatan penyelesaian penyajian laporan keuangan adalah interval jumlah hari antara tanggal periode laporan keuangan dalam penelitian ini menggunakan tanggal 31 Desember sampai tanggal penyelesaian laporan keuangan Almilia, 2006. Tanggal penyelesaian laporan keuangan diambil dari tanggal yang paling lambat, antara tanggal opini auditor atau tanggal surat pertanggungjawaban manajemen. Namun, dalam penelitian ini hanya digunakan tanggal opini auditor. Keterlambatan lag dihitung dalam satuan hari. Lag = Tanggal penyelesaian laporan keuangan – 31 Desember.

2. Pengukuran Variabel Penelitian

Variabel penelitian yang digunakan adalah: a. Variabel independen bebas Variabel independen menurut Erlina 2008 : 43 adalah “variabel yang dapat mempengaruhi perubahan dalam variabel dependen dan mempunyai hubungan positif maupun negatif bagi variabel dependen lainnya”. Variabel independen yang digunakan dalam penelitian ini ialah Laba, Solvabilitas, Ukuran perusahaan, Umur perusahaan, dan Ukuran Kantor Akuntan Publik. Universitas Sumatera Utara b. Variabel dependen terikat Merupakan variabel yang dipengaruhi atau terikat oleh variabel independen. Varibel dependen dalam penelitian ini adalah penyelesaian penyajian laporan keuangan finalization of financial statement.

E. Metode Analisis Data

Metode analisis data yang digunakan dalam penelitian ini adalah Model analisis regresi berganda dengan menggunakan bantuan software SPSS for Windows v.16. Penggunaan metode analisis regresi dalam pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak. Model persamaan regresinya ialah sebagai berikut : Y = a + b 1 x 1 + b 2 x 2 + b 3 x 3 + b 4 x 4 + b 5 x 5 + e dimana: Y = Penyelesaian penyajian laporan keuangan a = Konstanta X 1 = Laba X 2 = Solvabilitas X 3 = Ukuran perusahaan X 4 = Umur perusahaan X 5 = Ukuran Kantor Akuntan Publik b 1 ,b 2 ,b 3 ,b 4, b 5 = Koefisien regresi e = Error tingkat kesalahan Universitas Sumatera Utara

1. Statistik Deskriptif

Statistik deskriptif merupakan statistik yang menggambarkan fenomena atau karakteristik dari data Jogiyanto, 2004:163. 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. Dalam penelitian ini penulis menjabarkan statistik deskriptif berupa mean, maksimum, minimum, dan standar deviasi.

2. Uji Asumsi Klasik

a. Uji Normalitas Uji ini digunakan dalam tahap awal dalam metode pemilihan analisis data. Uji normalitas digunakan untuk mengetahui apakah distribusi data penelitian masing-masing variabel telah menyebar secara normal. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati data normal. Uji normalitas dilakukan dengan analisis grafik dengan cara melihat grafik histogram dan Normal probability plot. Pengujian normalitas data juga dilakukan dengan menggunakan alat uji statistik, yaitu uji Kolmogorov Smirnov Uji K-S. Apabila probabilitas 0,05 maka distribusi data normal dan dapat digunakan analisis regresi. Jika nilai probabilitasnya 0,05 maka distribusi data adalah tidak normal. Universitas Sumatera Utara b. Uji Multikolinearitas Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen Ghozali, 2005. Pada model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Pengujian multikolinearitas dilakukan dengan melihat nilai VIF Variance Inflation Factor antar variabel independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance0,10 atau sama dengan nilai VIF10 Ghozali, 2005:92 c. Uji Autokorelasi Uji ini bertujuan untuk menguji apakah pada suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode satu dengan periode sebelumya Ghozali, 2005. Autokorelasi terjadi karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada data runtut waktu time series. Model regresi yang baik adalah model yang tidak terdapat autokorelasi. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan uji Durbin Watson DW. Menurut Santoso 2002:18, Keputusan ada atau tidaknya autokorelasi adalah : 1 Bila nilai D-W dibawah -2, maka ada autokorelasi positif, 2 Bila nilai D-W di antara -2 sampai +2, maka tidak ada autokorelasi, 3 Bila nilai D-W di atas +2, maka ada autokorelasi negatif. Universitas Sumatera Utara d. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians antara satu pengamatan ke pengamatan lainnya Ghozali, 2005. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas, dan jika berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah terjadi homoskedastisitas. Dalam menguji heteroskedastisitas, penulis menggunakan uji glejser dan memperhatikan hasil output SPSS. Jika variabel independen signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika signifikan 0,05 maka H diterima tidak ada heteroskedastisitas.

3. Pengujian Hipotesis

Pengujian hipotesis penelitian ini menggunakan regresi berganda. Pengujian ini bertujuan untuk menguji apakah variabel independen yaitu laba profit, solvabilitas solvability, ukuran perusahaan firm size, umur perusahaan firm age, dan ukuran kantor akuntan publik accountant public size berpengaruh terhadap variabel dependen yaitu penyelesaian penyajian laporan keuangan finalization of financial statement. secara simultan maupun parsial. a. Adjusted R 2 Pengujian Adjusted R 2 digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap Universitas Sumatera Utara variasi naik turunnya variabel dependen. Adjusted R 2 berkisar antara nol sampai dengan 1 0 ≤ Adjusted R 2 ≤1. Hal ini berarti bila adjusted R 2 = 0 menunjukkan tidak adanya pengaruh antara variabel independen terhadap variabel dependen. Bila adjusted R 2 semakin besar mendekati 1, menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen, dan bila adjusted R 2 semakin kecil mendekati 0, maka dapat dikatakan semakin kecilnya pengaruh variabel independen terhadap variabel dependen. b. Uji signifikansi Simultan Uji f Uji f digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Bentuk pengujiannya yaitu : H : b 1 ,b 2 ,b 3 ,b 4 ,b 5 , = 0, artinya variabel independen secara simultan tidak berpengaruh terhadap variabel dependen. H a : b 1 ,b 2 ,b 3 ,b 4 ,b 5 , ≠ 0, artinya variabel independen secara simultan berpengaruh terhadap variabel dependen. Kriteria pengambilan keputusan adalah : Jika probabilitas 0,05 maka H a diterima atau H ditolak, Jika probabilitas 0,05 maka H a ditolak atau H diterima. Universitas Sumatera Utara c. Uji signifikansi parsial Uji t Uji statistik t disebut juga sebagai uji signifikansi individual. Uji ini digunakan untuk menunjukkan seberapa jauh pengaruh variabel independen secara parsial terhadap variabel dependen. Bentuk pengujiannya yaitu : H : b 1 ,b 2 ,b 3 ,b 4 ,b 5 , = 0, artinya suatu variabel independen secara parsial tidak berpengaruh terhadap variabel dependen. H a : b 1 ,b 2 ,b 3 ,b 4 ,b 5 , ≠ 0, artinya suatu variabel independen secara parsial berpengaruh terhadap variabel dependen. Kriteria pengambilan keputusan adalah : Jika probabilitas 0,05 maka H a diterima atau H ditolak, Jika probabilitas 0,05 maka H a ditolak atau H diterima. Universitas Sumatera Utara BAB IV ANALISIS HASIL PENELITIAN

A. Data Peneltian

Sampel dalam penelitian ini adalah perusahaan-perusahaan yang bergerak dalam bidang manufaktur yang dapat dibagi menjadi 19 jenis industri dan komponennya, yang terdaftar di Bursa Efek Indonesia BEI tahun 2006-2008. Jumlah sampel dalam penelitian ini adalah sebanyak 177 perusahaan. Data penelitian yang digunakan dalam melakukan penelitian ini dapat dilihat pada Lampiran i.

B. Analisis Hasil Penelitian 1. Analisis Statistik Deskriptif

Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata, dan standart deviasi data yang digunakan dalam penelitian: Tabel 4.1 Statistik Deskriptif N Minimum Maximum Mean Std. Deviation Profit 177 1 .78 .416 Solvability 177 .05 7.19 .6927 .75649 Size 177 10.39 13.91 11.9665 .75425 Age 177 2 28 14.41 5.427 KAP 177 1 .47 .501 Lag 177 33 92 74.41 11.668 Valid N listwise 177 Sumber: Data Olahan SPSS, 2009 Universitas Sumatera Utara Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa: 1. variabel Laba Profit memiliki jumlah sampel N sebanyak 177, dengan nilai minimum terkecil 0, nilai maksimum terbesar 1 dan mean nilai rata-rata 0,78. Standart Deviation simpangan baku variabel ini adalah 0,416, 2. variabel Solvabilitas Solvability memiliki jumlah sampel N sebanyak 177, dengan nilai minimum terkecil 0,05, nilai maksimum terbesar 7,19 dan mean nilai rata-rata 0,6927. Standart Deviation simpangan baku variabel ini adalah 0,75649, 3. variabel Ukuran Perusahaan Size memiliki jumlah sampel N sebanyak 177, dengan nilai minimum terkecil 10,39, nilai maksimum terbesar 13,91 dan mean nilai rata-rata 11,9665. Standart Deviation simpangan baku variabel ini adalah 0,75425, 4. variabel Umur Perusahaan Age memiliki jumlah sampel N sebanyak 177, dengan nilai minimum terkecil 2, nilai maksimum terbesar 28 dan mean nilai rata-rata 14,41. Standart Deviation simpangan baku variabel ini adalah 5,427, 5. variabel Ukuran Kantor Akuntan Publik KAP memiliki jumlah sampel N sebanyak 177 dengan nilai minimum terkecil 0, nilai maksimum terbesar 1 dan mean nilai rata-rata 0,47. Standart Deviation simpangan baku variabel ini adalah 0,501, 6. variabel Penyelesaian Penyajian Laporan Keuangan Lag memiliki jumlah sampel N sebanyak 177 dengan nilai minimum terkecil 33, nilai Universitas Sumatera Utara maksimum terbesar 92 dan mean nilai rata-rata 74,41. Standart Deviation simpangan baku variabel ini adalah 11,668, 7. jumlah sampel yang digunakan ada sebanyak 177 buah.

2. Hasil Uji Asumsi Klasik

Salah satu syarat yang menjadi dasar penggunaan model regresi berganda dengan metode Ordinary Least Square OLS adalah dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien Best Linear Unbiased EstimatorBLUE. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik. Menurut Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah: • berdistribusi normal, • non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna, • non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi, • homoskedasitas, artinya variance variabel independen dari satu pengamatan ke pengamatan yang lain adalah konstan atau sama.

a. Hasil Uji Normalitas Data

Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak, dengan membuat hipotesis sebagai berikut: H o : data residual terdistribusi normal H a : data residual terdistribusi tidak normal Universitas Sumatera Utara Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Pada penelitian ini akan digunakan kedua cara tersebut. a. Analisis Grafik Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal. Gambar 4.1 Grafik Histogram Sumber: Data Olahan SPSS, 2009 Universitas Sumatera Utara Gambar 4.2 Grafik P-P Plot Sumber: Data Olahan SPSS, 2009 Dengan melihat tampilan grafik histogram, kita dapat melihat bahwa gambarnya telah berbentuk lonceng yang menunjukkan bahwa data telah terdistribusi secara normal. Pada grafik P-P Plot terlihat titik-titik menyebar di sekitar garis diagonal dan tidak jauh dari garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas. b. Uji Statistik Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik Universitas Sumatera Utara agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov- Smirnov dapat dilihat pada tabel 4.2. Tabel 4.2 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 177 Normal Parameters a Mean .0000000 Std. Deviation 11.19703619 Most Extreme Differences Absolute .101 Positive .075 Negative -.101 Kolmogorov-Smirnov Z 1.342 Asymp. Sig. 2-tailed .055 a. Test distribution is Normal. Sumber: Data Olahan SPSS, 2009 Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,055. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-f karena 0,055 0,05 H diterima Universitas Sumatera Utara

b. Hasil Uji Multikolinieritas

“Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas” Ghozali, 2005:91. Menurut Ghozali 2005 “adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai Variance Inflation Factor VIF. Batas tolerance value adalah 0,1 dan batas VIF adalah 10”. Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.3. Tabel 4.3 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 67.461 14.518 4.647 .000 Profit -3.181 2.246 -.113 -1.416 .159 .844 1.185 Solvability 1.610 1.255 .104 1.283 .201 .816 1.225 Size .377 1.257 .024 .300 .764 .819 1.221 Age .374 .171 .174 2.184 .030 .850 1.176 KAP -3.365 1.919 -.144 -1.753 .081 .796 1.256 a. Dependent Variable: Lag Sumber: Data Olahan SPSS, 2009 Universitas Sumatera Utara Berdasarkan tabel 4.3 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki tolerance value lebih kecil dari 0,1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil analisis, didapat nilai VIF untuk variabel Profit adalah 1,185 10 dan nilai tolerance sebesar 0,844 0,1, untuk variabel Solvability nilai VIF nya adalah 1,225 10 dan nilai tolerance sebesar 0,816 0,1, untuk variabel Size nilai VIF nya adalah 1,221 10 dan nilai tolerance sebesar 0,819 0,1, untuk variabel Age nilai VIF nya adalah 1,176 10 dan nilai tolerance sebesar 0,850 0,1, sementara untuk variabel KAP nilai VIF nya adalah 1,256 10 dan nilai tolerance sebesar 0,796 0,1. Dari hasil ini maka dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.

c. Hasil Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. Mengacu kepada pendapat Santoso 2002, secara umum Universitas Sumatera Utara panduan mengenai angka Durbin-Watson dapat diambil patokan sebagai berikut: 4 angka D-W dibawah -2 berarti ada autokorelasi positif, 5 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 6 angka D-W di atas +2 berarti ada autokorelasi negatif. Tabel 4.4 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .276 a .076 .049 11.377 1.464 a. Predictors: Constant, KAP, Profit, Age, Size, Solvability b. Dependent Variable: Lag Sumber: Data Olahan SPSS, 2009 Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1,464. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.

d. Hasil Uji Heteroskedastisitas

Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Universitas Sumatera Utara Pengujian dilakukan dengan Uji Glejser, dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis adalah : H : tidak ada heteroskedastisitas H a : ada heteroskedastisitas Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika signifikan 0,05 maka H diterima tidak ada heteroskedastisitas. Tabel 4.5 Hasil Uji Heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -4.800 8.262 -.581 .562 Profit .623 1.278 .040 .488 .627 Solvability -.561 .714 -.065 -.785 .433 Size 1.332 .715 .153 1.862 .064 Age -.181 .098 -.150 -1.857 .065 KAP .898 1.092 .069 .822 .412 a. Dependent Variable: absut Sumber: Data Olahan SPSS, 2009 Dari tabel 4.5 diatas kita dapat melihat bahwa nilai signifikansi untuk variabel Profit adalah 0,627 0,05, untuk variabel Solvability nilai signifikansinya adalah 0,433 0,05, untuk variabel Size nilai signifikansinya adalah 0,064 0,05, untuk variabel Age nilai Universitas Sumatera Utara signifikansinya adalah 0,065 0,05, sementara untuk variabel KAP nilai signifikansinya adalah 0,412 0,05. Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena semua variabel independennya memiliki signifikan lebih besar dari 0,05.

3. Hasil Pengujian Hipotesis

Pengujian hipotesis dilakukan dengan tujuan untuk menguji ada tidaknya pengaruh dari variabel independen terhadap variabel dependen. Tabel 4.6 Variables EnteredRemoved b Model Variables Entered Variables Removed Method 1 KAP, Profit, Age, Size, Solvability a . Enter a. All requested variables entered. b. Dependent Variable: Lag Sumber: Data Olahan SPSS, 2009 Berdasarkan tabel 4.6 diatas, maka dapat diketahui bahwa : a. variabel yang dimasukkan kedalam persamaan adalah variabel independen yaitu ukuran Kantor Akuntan Publik KAP, laba Profit, umur perusahaan Age, ukuran perusahaan Size, dan solvabilitas Solvability, b. tidak ada variabel independen yang dikeluarkan, c. metode yang digunakan untuk memasukkan data yaitu metode enter. Universitas Sumatera Utara

a. Hasil Pengukuran Adjusted R

2 Adjusted R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Dalam hal ini adjusted R 2 digunakan untuk mengetahui seberapa besar pengaruh variabel Profit X 1 , Solvability X 2 , Size X 3 , Age X 4 , dan KAP X 5 terhadap Lag Y. “Adjusted R 2 dianggap lebih baik dari R 2 karena nilai adjusted R 2 dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model”Ghozali, 2005. Tabel 4.7 Adjusted R 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .276 a .076 .049 11.377 a. Predictors: Constant, KAP, Profit, Age, Size, Solvability b. Dependent Variable: Lag Sumber: Data Olahan SPSS, 2009 Berdasarkan tabel 4.7 diatas dapat dilihat hasil analisis regresi secara keseluruhan menunjukkan nilai Adjusted R 2 Adjusted R Square sebesar 0,049 yang berarti bahwa variabel dependen Lag hanya mampu dijelaskan oleh variabel independen Profit, Solvability, Size, Age, dan KAP sebesar 4,9 dan selebihnya dijelaskan oleh faktor-faktor lain yang tidak disertakan dalam penelitian ini. Universitas Sumatera Utara

b. Hasil Uji Signifikan Simultan Uji F

Uji F digunakan untuk menguji hubungan regresi antar variabel dependen dengan seperangkat variabel independen. Uji F ini dilakukan untuk mengetahui apakah variabel Profit X 1 , Solvability X 2 , Size X 3 , Age X 4 , dan KAP X 5 berpengaruh secara simultan atau bersama-sama terhadap Lag Y. Tabel 4.8 Hasil Uji f ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 1828.946 5 365.789 2.826 .018 a Residual 22133.766 171 129.437 Total 23962.712 176 a. Predictors: Constant, KAP, Profit, Age, Size, Solvability b. Dependent Variable: Lag Sumber: Data Olahan SPSS, 2009 Dari uji ANOVA Analysis of Variance atau Uji F, maka didapat F hitung sebebsar 2,826 F tabel 2,27 dengan tingkat signifikansi 0,018 lebih kecil dari 0,05. Oleh karena itu, model regresi dapat dipakai untuk memprediksi besarnya Penyelesaian Penyajian Laporan Keuangan Lag. Dengan kata lain, Profit, Solvability, Size, Age, dan KAP secara simultan berpengaruh terhadap Lag. Universitas Sumatera Utara

c. Hasil Uji Signifikan Parsial Uji t

Uji t dilakukan untuk mengetahui hubungan antara variabel- variabel independen terhadap variabel dependen secara parsial individu. Uji-t ini dilakukan dengan membandingkan nilai P-value dari t dengan α. Kesimpulan yang dapat diambil dari uji t ini adalah: a. Bila nilai P value dari t masing-masing variabel independen α = 5, maka Ho : bi = 0 diterima dan Ha: bi ≠ 0 ditolak, artinya secara individual variabel independen Xi tidak berpengaruh signifikan terhadap variabel dependen b. Bila P value dari t masing- masing variabel independen α maka Ho : bi = 0 ditolak dan Ha: bi ≠ 0 diterima, artinya secara individual masing-masing variabel independen Xi berpengaruh secara signifikan terhadap variabel dependen. Tabel 4.9 Hasil Uji t Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 67.461 14.518 4.647 .000 Profit -3.181 2.246 -.113 -1.416 .159 Solvability 1.610 1.255 .104 1.283 .201 Size .377 1.257 .024 .300 .764 Age .374 .171 .174 2.184 .030 KAP -3.365 1.919 -.144 -1.753 .081 a. Dependent Variable: Lag Sumber: Data Olahan SPSS, 2009 Universitas Sumatera Utara Dari tabel 4.7 diatas dapat diperoleh model persamaan regresi berganda sebagai berikut: Y = 67,461 – 3,181 X 1 + 1,610X 2 + 0,377 X 3 + 0.374 X 4 – 3,365 X 5 + e Keterangan : 1 konstanta a sebesar 67,461 menunjukkan bahwa apabila tidak ada variabel independen X = 0 maka Lag sebesar 67,461, 2 koefisien X 1 b 1 sebesar -3,181 menunjukkan bahwa variabel Profit atau laba X 1 berpengaruh negatif terhadap Penyelesaian Penyajian Laporan Keuangan Lag. Hal ini berarti bahwa bila Profit ditingkatkan maka akan menurunkan lamanya Penyelesaian Penyajian Laporan Keuangan Lag, 3 koefisien X 2 b 2 sebesar 1,610 menunjukkan bahwa variabel Solvability atau Solvabilitas X 2 berpengaruh positif terhadap Penyelesaian Penyajian Laporan Keuangan Lag. Hal ini berarti bahwa bila Solvability ditingkatkan maka akan meningkatkan lamanya Penyelesaian Penyajian Laporan Keuangan Lag, 4 koefisien X 3 b 3 sebesar 0,377 menunjukkan bahwa variabel Size atau Ukuran Perusahaan X 3 berpengaruh positif terhadap Penyelesaian Penyajian Laporan Keuangan Lag. Hal ini berarti bahwa bila Size ditingkatkan maka akan meningkatkan lamanya Penyelesaian Penyajian Laporan Keuangan Lag, 5 koefisien X 4 b 4 sebesar 0,374 menunjukkan bahwa variabel Age atau Umur Perusahaan X 4 berpengaruh positif terhadap Penyelesaian Penyajian Laporan Keuangan Lag. Hal ini berarti bahwa bila Age Universitas Sumatera Utara ditingkatkan maka akan meningkatkan lamanya Penyelesaian Penyajian Laporan Keuangan Lag, 6 koefisien X 5 b 5 sebesar -3,365 menunjukkan bahwa variabel KAP atau Ukuran Kantor Akuntan Publik X 5 berpengaruh negatif terhadap Penyelesaian Penyajian Laporan Keuangan Lag. Hal ini berarti bahwa bila KAP ditingkatkan maka akan menurunkan lamanya Penyelesaian Penyajian Laporan Keuangan Lag, 7 standar error e menunjukkan tingkat kesalahan pengganggu. Dari hasil pengujian diatas akan dijelaskan pengaruh variabel independen secara satu persatu parsial 1 Pengaruh Profit terhadap Lag Hasil analisis uji t untuk variabel Profit mendapatkan bahwa nilai t sebesar -1,416 dengan signifikansi sebesar 0,159 karena signifikansi t lebih besar dari 0,05 P0.05 maka dapat disimpulkan H a ditolak. Hal ini berarti bahwa variabel Profit secara parsial tidak berpengaruh terhadap Lag pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. 2 Pengaruh Solvability terhadap Lag Hasil analisis uji t untuk variabel Solvability mendapatkan bahwa nilai t sebesar 1,283 dengan signifikansi sebesar 0,201 karena signifikansi t lebih besar dari 0.05 P0.05 maka dapat disimpulkan H a ditolak. Hal ini berarti bahwa variabel Solvability secara parsial tidak berpengaruh terhadap Lag pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Universitas Sumatera Utara 3 Pengaruh Size terhadap Lag Hasil analisis uji t untuk variabel Size mendapatkan bahwa nilai t sebesar 0,300 dengan signifikansi sebesar 0,764 karena signifikansi t lebih besar dari 0.05 P0.05 maka dapat disimpulkan H a ditolak. Hal ini berarti bahwa variabel Size secara parsial tidak berpengaruh terhadap Lag pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. 4 Pengaruh Age terhadap Lag Hasil analisis uji t untuk variabel Age mendapatkan bahwa nilai t sebesar 2,184 dengan signifikansi sebesar 0,030 karena signifikansi t lebih kecil dari 0,05 P0,05 maka dapat disimpulkan H a diterima. Hal ini berarti bahwa variabel Age secara parsial berpengaruh terhadap Lag pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. 5 Pengaruh KAP terhadap Lag Hasil analisis uji t untuk variabel KAP mendapatkan bahwa nilai t sebesar -1,753 dengan signifikansi sebesar 0,081 karena signifikansi t lebih besar dari 0.05 P0,05 maka dapat disimpulkan H a ditolak. Hal ini berarti bahwa variabel KAP secara parsial tidak berpengaruh terhadap Lag pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.

C. Pembahasan Hasil Penelitian

Hasil pengujian secara individual parsial diketahui bahwa variabel Profit, Solvability, Size, Age, dan KAP memiliki pengaruh yang signifikan terhadap Lag, hanya variabel Age yang berpengaruh signifikan terhadap Lag Universitas Sumatera Utara pada tingkat kepercayaan 95. Hal ini didukung dari nilai Adjusted R square 0,049 yang mengindikasikan bahwa kelima variabel independen tersebut dapat menjelaskan variabel dependen sebesar 4,9. Sedangkan sisanya sebesar 95,1 dijelaskan oleh faktor-faktor lain. Pengujian yang dilakukan secara simultan menunjukkan variabel Profit, Solvability, Size, Age dan KAP berpengaruh terhadap Lag. Pengaruh tersebut dapat dilihat dari nilai F test sebesar 2,826 dengan signifikansi sebesar 0,018 yang tidak lebih besar dari 0,05. Penelitian ini sejalan dengan penelitian yang dilakukan oleh Almilia dan Setiady 2006 yang menyatakan bahwa Profitability, Solvability, Liquidity, Size, Age dan EXTRA secara simultan mempengaruhi penyelesaian penyajian laporan keuangan Lag. Universitas Sumatera Utara BAB V KESIMPULAN DAN SARAN

A. Kesimpulan