3.8 METODE PENGUMPULAN DATA
Data yang digunakan adalah data sekunder. Pengumpulan data sekunder dalam penelitian ini dilakukan dengan dua tahap. Tahap pertama adalah studi pustaka, dengan
mengumpulkan data dari jurnal, abstrak, dan buku yang berkaitan dengan penelitian. Tahap kedua adalah studi dokumentasi, dengan mengumpulkan data berupa laporan keuangan dan
informasi lain yang berkaitan dengan penelitian melalui media internet situs www.idx.co.id dan www.BAPEPAM.go.id dengan cara men-download laporan keuangan perusahaan yang
dibutuhkan.
3.9 TEKNIK ANALISIS DATA
3.9.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran dari fenomena atau karakteristik dari data. Karakteristik data yang digambarkan adalah karakteristik distribusinya. Analisis
statistik deskriptif meliputi jumlah, sampel, nilai minimum, nilai maksimum, nilai rata- rata mean, dan standar deviasi.
3.9.2 Pengujian Data
Pengujian data dalam penelitian ini menggunakan regresi logistik. Regresi logistik adalah regresi yang digunakan untuk menguji apakah probabilitas terjadinya
variabel terikat dapat diprediksi dengan variabel bebasnya. Pada regresi logistik tidak menggunakan uji normalitas dan heteroskedastisitas karena variabel bebasnya tidak
harus memiliki distribusi normal dan memiliki varian yang sama Mudrajat, 2001:217. Uji regresi logistik digunakan untuk menjelaskan hubungan antara variabel respon yang
berupa data dikotomikbiner dengan variabel bebas yang berupa data berskala interval dan atau kategorik Hosmer dan Lemeshow, 1989. Variabel yang dikotomikbiner
adalah variabel yang hanya mempunyai dua kategori saja, yaitu kategori yang menyatakan kejadian sukses Y=1 dan kategori yang menyatakan kejadian gagal
Y=0. 3.9.2.1
Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi antarvariabel independen. Uji multikoliniearitas digunakan untuk menguji apakah dalam sebuah model
regresi ditemukan adanya korelasi antara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antarvariabel independen. Pengujian
terhadap ada tidaknya multikolinearitas dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor VIF dengan membandingkan sebagai
berikut: a. Bila VIF 10 terdapat masalah multikolinearitas
b. Bila VIF 10 tidak terdapat masalah multikolinearitas c. Tolerance 0,10 maka diduga mempunyai masalah multikolinearitas
d. Tolerance 0,10 maka tidak terdapat multikolinearitas.
3.9.2.2 Uji Autokorelasi
Uji autokorelasi digunakan untuk menguji apakah dalam sebuah model regresi ada korelasi antara kesalahan pengganggu pada periode t dan kesalahan
pengganggu pada periode t-1 periode sebelumnya. Model regresi yang baik
adalah regresi yang bebas dari autokorelasi. Untuk mendeteteksi ada tidaknya gejala autokorelasi, maka uji autokorelasi yang digunakan dalam penelitian ini
adalah Runs Test. Bila hasil output SPSS menunjukkan probabilitas signifikansi dibawah 0,05 maka disimpulkan terdapat gejala autokorelasi pada model regresi
tersebut.
3.9.3 Pengujian model
3.9.3.1 Menilai Model Fit
Untuk menilai model fit statistik yang digunakan berdasarkan pada fungsi Likelihood. Likelihood L dari model adalah probabilitas bahwa model
yang dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan hipotesis alternatif, L ditransformasikan menjadi -2 Log L.
Pengujian dilakukan dengan membandingkan nilai antara -2 Log Likelihood -2LL pada awal Block Number = 0 dengan nilai -2 Log
Likelihood -2LL pada akhir Block Number = 1. Adanya pengurangan nilai antara -2 Log L awal dengan nilai -2 Log L pada langkah berikutnya
menunujukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006:232. Log Likelihood pada regresi logistik mirip dengan pengertian
“Sum of Square Error” pada model regresi, sehingga penurunan Log Likelihood menunjukkan model regresi yang semakin baik.
3.9.3.2 Menilai Kelayakan Model Regresi
Kelayakan model regresi dapat diuji dengan Hosmer and Lemeshow’s
Goodness of Fit Test. Model ini bertujuan untuk menguji hipotesis bahwa data
empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit. Hipotesis untuk menilai
kelayakan model regresi adalah: H
o
: tidak ada perbedaan model dengan data H
a
: ada perbedaan model dengan data Jika nilai
Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05, maka H0 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 Hosmer
and Lemeshow’s Goodness of Fit Test lebih besar dari 0,05 maka H
o
tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya
Ghozali, 2006:233.
3.9.3.3 Koefisien Determinasi
Koefisien determinasi digunakan untuk mengukur seberapa besar variabilitas variabel independen mampu memperjelas variabilitas variabel
dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkarke R Square. Bila nilai Nagelkarke R Square kecil berarti
kemampuan variabel independen dalam menjelaskan variabel dependen sangat terbatas.
3.9.3.4 Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan ketepatan waktu pelaporan keuangan. Dalam output regresi
logistik, angka ini dapat dilihat pada Classification Table Ghozali, 2006:233.
3.9.4 Pengujian Hipotesis
Regresi logistik dalam penelitian ini untuk menguji apakah ukuran perusahaan, profitabilitas ROA, opini audit dan umur perusahaan berpengaruh
terhadap ketepatan waktu pelaporan keuangan. Tingkat kepercayaan yang digunakan adalah sebesar 95 atau taraf nyata signifikansi 5 α = 0,05. Adapun
kriteria pengujian hipotesis yaitu : H
o
diterima jika Sig 5 H
a
diterima jika Sig 5 Model regresi logistik yang digunakan untuk menguji hipotesis penelitian
adalah sebagai berikut: TL = a + b
1
FS + b
2
ROA + b
3
OA + b
4
FA + ε
TL = Ketepatan Waktu Pelaporan Keuangan
FS = Ukuran Perusahaan
ROA = Profitabilitas Return on Assets
OA = Opini Audit
FA = Umur Perusahaan
ε = Error
BAB IV HASIL PENELITIAN
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 asumsi klasik, pengujian model, dan pengujian regresi logistik dengan menggunakan software SPSS
Statistical Product and Service Solution versi 20. 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 Food and Beverages yang terdaftar di Bursa Efek Indonesia selama periode 2011
– 2013, dimana jumlah perusahaan food and beverages tersebut adalah 15 perusahaan. Setelah data terkumpul, seluruh perusahaan yang termasuk dalam populasi
diseleksi berdasarkan kriteria yang telah ditentukan. Berdasarkan penyeleksian tersebut, maka diperoleh 12 perusahaan yang dapat dijadikan sampel penelitian dengan 3 tahun
periode pengamatan, sehingga diperoleh jumlah observasi 36.
4.2 Statistik Deskriptif
4.2.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk memberikan gambaran umum tentang objek penelitian yang dijadikan sampel. Untuk melihat data statistik secara umum, peneliti
menggunakan descriptive untuk variabel yang diukur dengan skala rasio dan frequency untuk variabel yang diukur dalam skala nominal.
Tabel 4.1 Statistik Deskriptif
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11.
Berdasarkan tabel 4.1 dapat dideskripsikan beberapa hal berikut ini : 1. Variabel independen ukuran Perusahaan memiliki rata-rata sebesar Rp
1.541.973.431.079,4167 dengan standar deviasinya bernilai sebesar 2.941.841.957.945,41650. Proporsi ukuran perusahaan tertinggi adalah sebesar Rp
12.017.837.133.337 yang dimiliki oleh MYOR pada tahun 2013, sedangkan untuk proporsi ukuran perusahaan terendah adalah sebesar Rp 139.415.293.800 yang dimiliki oleh DLTA
pada tahun 2011.
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation FS
36 1394152938.00 12017837133337.00
1541973431079.4167 2941841957945.41650 FA
36 1
29 16.25
7.553 ROA
36 .03
1.36 .2848
.28856 Valid N
listwise 36
2. Variabel independen umur perusahaan, memiliki rata-rata 16,25 tahun dengan standar deviasi 7,553. Nilai umur perusahaan tertinggi adalah sebesar 29 tahun yang dimiliki
oleh DLTA pada tahun 2013, sedangkan nilai umur terendah adalah sebesar 1 tahun yang dimiliki oleh ROTI pada tahun 2013.
3. Variabel independen profitabilitas ROA, memiliki rata-rata sebesar 0,2848 28,48 dengan standar deviasi 0,28856. Nilai profitabilitas tertinggi adalah sebesar 1,36
136 yang dimiliki oleh ICBP pada tahun 2011, sedangkan nilai ROA terendah adalah sebesar 0,03 3 yang dimiliki oleh DLTA pada tahun 2012.
Tabel 4.2 Opini Audit
OA
Frequency Percent
Valid Percent Cumulative
Percent Valid
9 25.0
25.0 25.0
1 27
75.0 75.0
100.0 Total
36 100.0
100.0
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11. Berdasarkan tabel 4.2 dapat dideskripsikan bahwa variabel independen ketiga, yaitu opini
audit tahun sebelumnya merupakan skala nominal yang menggunakan variabel dummy, dimana sampel yang menerima opini audit dengan wajar tanpa pengecualian pada tahun
sebelumnya diberi kode “1” sedangkan sampel yang tidak menerima opini audit Selain wajar tanpa pengecualian tahun sebelumnya diberi kode “0”. Variabel ini memiliki nilai
valid karena semua data dapat diproses. Jumlah sampel yang menerima opini audit sebanyak
27 sampel atau 75 dari total sedangkan sampel perusahaan yang tahun sebelumnya tidak menerima opini audit adalah sebanyak 9 sampel atau 25 dari total keseluruhan.
Tabel 4.3 Ketepatan Waktu Pelaporan Keuangan
Sumber : Output SPSS,
diolah penulis, 2015 Lampiran 11.
Berdasarkan tabel 4.3 dapat dideskripsikan bahwa variabel dependen, yaitu Ketepatan waktu pelaporan keuangan yang menggunakan variabel dummy, dimana sampel yang tepat waktu
dalam memberikan laporan keuangan diberi kode “1” sedangkan sampel yang tidak tepat waktu melaporkan keuangan diberi kode “0”. Variabel ini memiliki nilai valid karena semua
data dapat diproses. Jumlah sampel yang tepat waktu melaporkan keuangannya sebanyak 28 sampel atau 77,8 dari total sedangkan sampel perusahaan yang tidak tepat waktu
melaporkan keuangannya sebanyak 8 sampel atau 22,2 dari total keseluruhan.
4.3 Pengujian Data
4.3.1 Uji Multikoloniearitas
Uji ini digunakan untuk situasi dimana adanya korelasi variabel-variabel independen antara satu dengan yang lainnya. Tujuannya adalah untuk mengetahui apakah dalam model
TL
Frequency Percent
Valid Percent Cumulative
Percent Valid
8 22.2
22.2 22.2
1 28
77.8 77.8
100.0 Total
36 100.0
100.0
regresi ditemukan adanya korelasi antara variabel bebas independen. Uji multikolinearitas dilakukan dengan melihat besaran VIF Variance Inflation factor dan tolerance. Jika nilai
VIF 10 maka dapat dikatakan terjadi multikoloniearitas, yaitu terjadi hubungan yang cukup besar antara variabel-variabel bebas namun jika nilai VIF 10 maka tidak terjadi
multikoliniearitas. Jika angka tolerance mempunyai angka 0,10 maka variabel tersebut tidak mempunyai masalah multikoloniearitas, namun jika angka tolerance 0,10 maka
variabel tersebut mempunyai masalah multikoliniearitas dengan variabel bebas lainnya.
Tabel 4.4 Uji Multikoloniearitas
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11.
Tabel 4.4 menunjukkan tidak adanya gejala multikolinieritas antar variabel bebas, sebagaimana terlihat dari nilai VIF tidak ada yang lebih besar dari 10. Serta nilai Tolerance
lebih besar dari 0,10. Dapat disimpulkan bahwa data tidak mempunyai masalah multikolinieritas antar variabel bebasnya.
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
FS .937
1.067 FA
.839 1.192
ROA .882
1.133 OA
.959 1.043
a. Dependent Variable: TL
4.3.2 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-
1
sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi Ghozali, 2006.
Berikut adalah hasil pengujian autokorelasi dengan menggunakan run t
Tabel 4.5 Uji Autokorelasi-
Run Test
Runs Test
Unstandardized Residual
Test Value
a
.11497 Cases Test Value
18 Cases = Test Value
18 Total Cases
36 Number of Runs
21 Z
.507 Asymp. Sig. 2-tailed
.612 a. Median
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11.
Dari hasil pengujian yang diperoleh dari tabel 4.5 menunjukkan nilai test adalah sebesar 0,507 dengan probabilitas 0,612 yang berarti di atas signifikansi 0,05 0,612 0,05. Hal ini
menunjukkan bahwa nilai residual acak atau random, sehingga dapat disimpulkan bahwa dalam penelitian ini tidak terjadi autokorelasi antar nilai residual.
4.4 Pengujian Model 4.4.1 Menilai
Model Fit dan Keseluruhan Model
Uji ini digunakan untuk menilai model yang telah dihipotesakan telah fit atau tidak dengan data. Pengujian dilakukan dengan hipotesis :
H
o
: Model yang dihipotesiskan fit dengan data H
a
: Model yang dihipotesiskan tidak fit dengan data Pengujian dilakukan dengan membandingkan nilai antara
– 2 Log Likelihood pada awal block number = 0 dengan nilai -2 Log Likelihood pada akhir block number = 1. Nilai -2
Log Likelihood awal pada block number = 0, ditunjukkan melalui tabel berikut :
Tabel 4.6 Likelihood Block 0
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
38.267 1.111
2 38.139
1.248 3
38.139 1.253
4 38.139
1.253 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 38.139 c. Estimation terminated at iteration number 4 because
parameter estimates changed by less than .001.
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11.
Nilai -2 Log L akhir pada block number = 1, dapat ditunjukkan melalui tabel berikut :
Tabel 4.7 Likelihood Block 1
Iteration History
a,b,c,d
Iteration -2 Log likelihood
Coefficients Constant
FS ROA
OA FA
Step 1 1
28.971 .969
.000 1.106
1.179 -.053
2 22.576
1.189 .000
4.072 2.179
-.121 3
18.455 1.113
.000 8.762
3.770 -.202
4 17.207
1.043 .000
12.795 5.233
-.270 5
17.083 .987
.000 14.587
5.876 -.299
6 17.081
.968 .000
14.860 5.968
-.303 7
17.081 .967
.000 14.866
5.969 -.303
8 17.081
.967 .000
14.866 5.969
-.303 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 38.139
d. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11.
Tabel 4.7 menunjukkan bahwa -2 Log L awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada step 4 memperoleh nilai sebesar 38.139.
Kemudian pada tabel 4.9 dapat dilihat bahwa setelah masuknya variabel independen pada model nilai -2 Log L akhir pada step 8 menunjukkan nilai 17.081.
Selisih antara nilai -2 Log L awal dengan nilai -2 Log L akhir adalah sebesar 21.058 38.139 – 17.081. Adanya penurunan Likelihood ini menunjukkan model regresi yang lebih baik atau
dengan kata lain model yang dihipotesiskan fit dengan data. 4.4.2 Menilai Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test yang diukur dengan nilai Chi-Square.
Probabilitas signifikansi yang diperoleh kemudian dibandingkan dengan tingkat signifikansi α 5.
Hipotesis untuk menilai kelayakan model regresi adalah : H
o
: tidak ada perbedaan antara model dengan data H
a
: ada perbedaan antara model dengan data
Tabel 4.8
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 5.108
7 .647
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11.
Tabel 4.8 menunjukkan hasil pengujian Hosmer and Lemeshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 0.647. Nilai signifikansi yang diperoleh lebih
besar dari α tingkat signifikansi 0,05. 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 model mampu memprediksi nilai observasinya.
4.4.3 Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas variabel dependen. Koefisien
determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat diinterpretasikan seperti nilai R Square pada regresi berganda
Ghozali, 2006.
Tabel 4.9 Nagerkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square Nagelkerke R Square 1
17.081
a
.443 .678
a. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11.
Tabel 4.9 menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data, nilai Nagelkerke R Square adalah sebesar 0,678 yang berarti variabilitas
variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 67,8, sisanya sebesar 32,2 100 - 67,8 dijelaskan variabilitas variabel-variabel lain di luar
model penelitian.
4.4.4 Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan ketepatan waktu pelaporan keuangan.
Tabel 4.10
Classification Table
a,b
Observed Predicted
TL Percentage
Correct 1
Step 0 TL
8 .0
1 28
100.0 Overall Percentage
77.8 a. Constant is included in the model.
b. The cut value is .500
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11. Dari tabel 4.10 di atas dapat dilihat bahwa menurut prediksi, ketepatan waktu laporan
keuangan adalah 28, observasi sesungguhnya menunjukkan bahwa ketepatan waktu laporan keuangan adalah 28. Jadi ketepatan model ini adalah 2828 atau 100. Ketepatan prediksi
keseluruhan model ini adalah 77,8. 4.5 Pengujian Hipotesis
Dalam uji regresi pengaruh antara variabel dependen dan variabel independen dapat dilihat pada Variables in the Equation. Dalam uji hipotesis dengan regresi logistik cukup
dengan melihat Variables in the Equation, pada kolom Significant dibandingkan dengan tingkat kealphaan 0,05 5. Apabila tingkat signifikansi 0,05, maka hipotesis diterima.
Tabel 4.11
Variables in the Equation
B Sig.
Step 1
a
FS -3.275
.130 ROA
14.866 .029
OA 5.969
.014 FA
-.303 .037
Constant .967
.730 a. Variables entered on step 1: FS, ROA, OA, FA.
Sumber : Output SPSS, diolah penulis, 2015 Lampiran 11.
Tabel 4.11 menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikansi 5. Dari pengujian dengan regresi logistik di atas maka diperoleh persamaan regresi logistik
sebagai berikut ini :
TL = 0,967 – 3,275 FS + 14,866 ROA + 5,969 OA – 0,303 FA + ε
Persamaan regresi tersebut dapat dijelaskan sebagai berikut: 1. Nilai konstanta sebesar 0,967 yang dihasilkan positif, artinya jika ketepatan waktu
pelaporan keuangan tidak dipengaruhi oleh variabel Ukuran Perusahaan, Profitabilitas, Opini Audit dan Umur Perusahaan maka akan meningkatkan tingkat waktu pelaporan
keuangan sebesar 0,967. 2. Ukuran Perusahaan sebesar -3,275 yang dihasilkan negatif, artinya jika ukuran
perusahaan naik satu satuan, maka akan menurunkan ketepatan waktu pelaporan keuangan dengan syarat variabel lainnya konstan.
3. ROA sebesar 14,866 yang dihasilkan positif, artinya jika variabel ROA naik satu satuan maka akan meningkatkan ketepatan waktu pelaporan keuangan dengan syarat variabel
lainnya konstan. 4. Umur Perusahaan sebesar -0,303 yang dihasilkan negatif, artinya jika umur perusahaan
naik satu satuan maka akan menurunkan ketepatan waktu pelaporan keuangan dengan syarat variabel lainnya konstan.
Dari hasil pengujian di atas maka diperoleh hasil pengujian hipotesis sebagai berikut: Ukuran Perusahaan tidak berpengaruh terhadap ketepatan waktu pelaporan keuangan
Berdasarkan tabel 4.11 menunjukkan bahwa nilai koefisien regresi variabel Ukuran Perusahaan bernilai positif sebesar -3,275 dengan nilai probabilitas p sebesar 0,130 0,05
yang berarti bahwa variabel Ukuran Perusahaan tidak berpengaruh terhadap ketepatan waktu
pelaporan keuangan. Hal ini mengandung arti bahwa ukuran perusahaan FS ditolak, dengan demikian terbukti bahwa ukuran perusahaan tidak mempengaruhi ketepatan waktu pelaporan
keuangan perusahaan. Profitabilitas berpengaruh negatif terhadap ketepatan waktu pelaporan keuangan.
Berdasarkan tabel 4.11 menunjukkan bahwa nilai koefisien regresi variabel ROA bernilai negatif sebesar 14,866 dengan nilai probabilitas p sebesar 0,029 0,05 yang berarti bahwa
variabel profitabilitas berpengaruh positif dan signifikan terhadap ketepatan waktu pelaporan keuangan. Hal ini mengandung arti bahwa profitabilitas ROA diterima, dengan demikian
terbukti bahwa profitabilitas mempengaruhi ketepatan waktu pelaporan keuangan perusahaan.
Opini Audit berpengaruh positif terhadap ketepatan waktu pelaporan keuangan.Berdasarkan tabel 4.11 menunjukkan bahwa nilai koefisien regresi Opini Audit bernilai positif sebesar
5,969 dengan nilai probabilitas p sebesar 0,014 0,05 yang berarti bahwa variabel Opini Audit berpengaruh positif dan signifikan terhadap ketepatan waktu pelaporan keuangan. Hal
ini mengandung arti bahwa opini audit OA diterima, dengan demikian terbukti bahwa opini audit mempengaruhi ketepatan waktu pelaporan keuangan perusahaan.
Umur perusahaan berpengaruh negatif terhadap ketepatan waktu pelaporan keuangan. Berdasarkan tabel 4.11 menunjukkan bahwa nilai koefisien regresi Umur perusahaan bernilai
negatif sebesar -0,303 dengan nilai probabilitas p sebesar 0,037 0,05 yang berarti bahwa variabel Umur perusahaan berpengaruh negatif dan signifikan terhadap ketepatan waktu
pelaporan keuangan. Hal ini mengandung arti bahwa umur perusahaan FA diterima, dengan demikian terbukti bahwa umur perusahaan mempengaruhi ketepatan waktu pelaporan
keuangan perusahaan
4.6 Pembahasan Hasil Penelitian
Ketepatan waktu pelaporan keuangan terbukti sangat berpengaruh terhadap aktivitas para pelaku di pasar saham. Karena dengan ketepatan waktu akan mempengaruhi harga
saham dan keputusan investor dalam memaksimalkan nilai investasinya. Semakin tepat waktu perusahaan dalam melaporkan laporan
keuangannya maka perusahaan dapat memaksimalkan peluang investasi yang akan datang. Faktor-faktor yang diduga mempengaruhi
Ketepatan waktu pelaporan keuangan dalam penelitian ini ada 4 yaitu
ukuran perusahaan, profitabilitas ROA, opini audit dan umur perusahaan.
Setelah dilakukan pengujian hipotesis multivariate secara simultan untuk mengetahui pengaruh dari kelima variabel tersebut, ternyata
secara simultan keempat variabel tersebut berpengaruh terhadap Ketepatan waktu pelaporan keuangan.
Setelah dilakukan pengujian hipotesis secara parsial, maka hasil hipotesis dapat dilihat pada hasil hipotesis berikut.
4.6.1 Pengaruh Ukuran Perusahaan terhadap Ketepatan Waktu Pelaporan
Keuangan
Variabel ukuran perusahaan menunjukkan bahwa nilai koefisien regresi variabel Ukuran Perusahaan bernilai negatif sebesar -3,275 dengan nilai probabilitas p sebesar 0,130 0,05
yang berarti bahwa variabel Ukuran Perusahaan tidak berpengaruh terhadap ketepatan waktu pelaporan keuangan. Hal tersebut tidak menjamin bahwa perusahaan besar akan lebih lama
mengungkapkan pelaporan keuangannya dibandingkan dengan perusahaan kecil. Banyak perusahaan cenderung menghadapi tekanan eksternal yang lebih tinggi untuk mengumumkan
laporan keuangan auditan lebih awal karena banyaknya pihak yang berkepentingan terhadap perusahaan tersebut dan membutuhkan laporan keuangan tahunan sebagai sumber informasi
untuk pengambilan keputusan. Pelaporan keuangan akan semakin lama apabila ukuran
perusahaan yang diaudit semakin besar dan semakin luas Soegeng, 2006:79. Hal tersebut berkaitan dengan semakin banyaknya jumlah sampel audit yang harus diambil dan semakin
luasnya prosedur audit yang harus dilakukan. Hasil penelitian ini tidak mendukung hasil penelitian yang dilakukan oleh Owusu-
Ansah 2000 dan Septriana 2009 yang menyatakan bahwa ukuran perusahaan berpengaruh terhadap ketepatan waktu penyampaian laporan keuangan. Hasil penelitian ini juga
mendukung landasan teori yang ada yang menyatakan bahwa semakin besar suatu perusahaan maka perusahaan tersebut akan lebih tepat waktu dalam menyampaikan laporan
keuangan, karena semakin besar perusahaan, semakin banyak memiliki sumber daya, lebih banyak staf akuntansi dan sistem informasi yang canggih serta memiliki sistem pengendalian
intern yang kuat sehingga akan semakin cepat dalam penyelesaian laporan keuangan. Hal tersebut menunjukan bahwa tidak ada jaminan ukuran perusahaan yang diukur dengan total
aset untuk mempengaruhi ketepatwaktuan penyampaian pelaporan keuangan bagi perusahaan.
4.6.2 Pengaruh Profitabilitas yang diproksikan dengan ROA terhadap
Ketepatan Waktu Pelaporan Keuangan
Variabel Profitabilitas, yang diproksikan dengan ROA menunjukkan bahwa nilai koefisien regresi variabel ROA bernilai positif sebesar 14,866 dengan nilai probabilitas p
sebesar 0,029 0,05 yang berarti bahwa variabel ROA berpengaruh positif dan signifikan terhadap ketepatan waktu pelaporan keuangan. Hal ini sesuai dengan penelitian yang
dilakukan oleh Naim 1998, Respati 2001, Ukago 2004, Sudaryanti 2008 dan Hilmi
dan Ali 2008 yang menyatakan bahwa profitabilitas mempunyai pengaruh terhadap ketepatan waktu penyampaian laporan keuangan.
Hal ini menunjukkan bahwa semakin tingginya tingkat profitabilitas suatu perusahaan, maka perusahaan tersebut akan semakin tepat waktu menyampaikan laporan keuangannya karena
hal tersebut merupakan berita baik bagi perusahaan. karena semakin cepat berita baik itu disebarkan, semakin cepat investasi akan mengalir ke perusahaan. Sebaliknya, apabila
semakin rendah tingkat profitabilitas suatu perusahaan, maka perusahaan tersebut akan semakin lambat menyampaikan laporan keuangan
perusahaannya karena hal tersebut merupakan berita buruk bagi perusahaan tersebut.
4.6.3 Pengaruh Opini Audit terhadap Ketepatan Waktu Pelaporan
Keuangan
Variabel opini audit menunjukkan bahwa nilai koefisien regresi Opini Audit bernilai positif sebesar 5,969 dengan nilai probabilitas p sebesar 0,014 0,05 yang berarti
bahwa variabel Opini Audit berpengaruh positif dan signifikan terhadap ketepatan waktu pelaporan keuangan. Hipotesis ini sesuai dengan penelitian yang dilakukan oleh Yusralaini
2010 serta Merdekawati dan Arsjah 2011, Mereka menemukan hasil bahwa opini audit berpengaruh signifikan terhadap ketepatan waktu pelaporan keuangan. Perusahaan yang
mendapat opini audit unqualified akan segera melaporkan laporan keuangannya sebaliknya perusahaan yang memiliki opini audit selain unqualified opinion cenderung tidak tepat waktu
Yusralaini, 2010:9. Hasil yang didapatkan signifikan terjadi karena unqualified opinion merupakan berita bagus yang dapat meningkatkan nilai perusahaan. Perusahaan akan segera
mempublikasikan laporan keuangannya yang mendapatkan unqualified opinion untuk
menunjukkan kepada para calon investor bahwa perusahaan tersebut telah dikelola dengan baik dan layak untuk dijadikan tempat berinvestasi.
4.6.4 Pengaruh Umur Perusahaan terhadap Ketepatan Waktu Pelaporan
Keuangan
Variabel umur perusahaan menunjukkan bahwa nilai koefisien regresi Umur perusahaan bernilai negatif sebesar -0,303 dengan nilai probabilitas p sebesar 0,037 0,05
yang berarti bahwa variabel Umur perusahaan berpengaruh negatif dan signifikan terhadap ketepatan waktu pelaporan keuangan. Hasil penelitian sejalan dengan hasil penelitian yang
dilakukan oleh Amilia dan Setiady 2006, serta Yasnanto 2011. Hambatan perusahaan baru baru listed dalam menyiapkan pelaporan keuangan hanya sedikit menyesuaikan batas
waktu yang ditetapkan oleh BEI. Hal tersebut dapat dikurangi dengan adanya teknologi yang canggih dan SDM yang profesional. Selain itu sebagian besar perusahaan menyampaikan
pelaporan keuangannya tepat waktu. Hal tersebut menunjukan bahwa umur perusahaan baik untuk perusahaan lama atau perusahaan baru tidak menghambat perusahaan menyampaikan
pelaporan keuangan secara tepat waktu. Umur perusahaan merupakan salah satu faktor penentu dalam penentuan ketepatan
waktu pelaporan keuangan suatu perusahaan merupakan indikator yang dapat mencerminkan tingkat pengalaman perusahaan dalam menjalankan bisnis dan seberapa mampu perusahaan
dapat bertahan ditengah persaingan bisnis yang semakin ketat. Semakin tinggi umur perusahaan maka semakin matang dan memiliki banyak pengalaman perusahaan tersebut
dibidang bisnis.
BAB 5 KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan analisis data dengan menggunakan regresi logistik, maka dapat diambil kesimpulan sebagai berikut :
1. Ukuran Perusahaan tidak berpengaruh terhadap ketepatan waktu pelaporan keuangan pada perusahaan Food and Beverages yang terdaftar di Bursa Efek Indonesia. Hal ini
berarti perusahaan cenderung menghadapi tekanan eksternal yang lebih tinggi untuk mengumumkan laporan keuangan auditan lebih awal karena banyaknya pihak yang
berkepentingan terhadap perusahaan tersebut. 2. Profitabilitas, yang diproksikan dengan ROA berpengaruh positif dan signifikan terhadap
ketepatan waktu pelaporan keuangan pada perusahaan Food and Beverages yang terdaftar di Bursa Efek Indonesia. Hal ini berarti bahwa semakin tinggi tingkat
profitabilitas secara signifikan berpengaruh terhadap semakin tingginya tingkat ketepatan waktu penyampaian laporan keuangan.
3. Opini Audit berpengaruh positif dan signifikan terhadap ketepatan waktu pelaporan keuangan pada perusahaan Food and Beverages yang terdaftar di Bursa Efek Indonesia.
Hasil yang didapatkan signifikan terjadi karena unqualified opinion merupakan berita bagus yang dapat meningkatkan nilai perusahaan.
4. Umur perusahaan berpengaruh negatif dan signifikan terhadap ketepatan waktu pelaporan keuangan pada perusahaan Food and Beverages Yang terdaftar di Bursa Efek Indonesia.
Umur perusahaan dalam penelitian ini mempengaruhi ketepatan waktu pelaporan keuangan perusahaan diduga karena umur perusahaan sangat mempengaruhi
keterampilan perusahaan dalam menyusun laporan keuangan secara baik.
5.2 Saran