35 OMRE Indonesia Prima Property Tbk
√ √ × 36
PSAB Pelita Sejahtera Abadi Tbk
√ √ √ 15
37 PJAA
Pembangunan Jaya Ancol Tbk √ √ √
16 38
PNSE Pudjiadi Sons Estate Tbk
√ √ √ 17
39 PTRA
New Century Tbk √ √ ×
40 PUDP
Pudjiadi Prestige Limited Tbk √ √ √
18 41
PWON Pakuwon Jati Tbk √ √ ×
42 PWSI
Panca Wiratama Sakti Tbk √ √ ×
43 RBMS Ristia Bintang Mahkota Sejati Tbk
√ √ √ 19
44 RODA Royal Oak Develoment Asia Tbk
√ × × 45
SIIP Suryainti Permata Tbk
√ √ × 46
SMDM Suryamas Dutamakmur Tbk √ √ ×
47 SMRA Summarecon Agung Tbk
√ √ √ 20
48 SSIA
Surya Semesta Internusa Tbk √ √ ×
C. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini merupakan data sekunder yaitu berupa laporan keuangan perusahaan real estate dan property. Menurut Umar
2003:60, “Data sekunder merupakan data primer yang telah diolah lebih lanjut, misalnya dalam bentuk tabel, grafik, diagram, gambar dan sebagainya sehingga
lebih informatif jika digunakan oleh pihak lain”. Menurut waktu pengumpulannya, data yang digunakan dalam penelitian
ini adalah pooling data, yang merupakan gabungan dari jenis data time series,
Universitas Sumatera Utara
yaitu sekumpulan data dari suatu fenomena tertentu yang didapat dalam beberapa interval waktu tertentu, misalnya minggua n, bulanan atau tahunan, dan data cross
section, yaitu sekumpulan data suatu fenomena tertentu dalam satu kurun waktu saja.
Sumber data diperoleh dari website Bursa Efek Indonesia http:202.155.2.90corporate_actionsnew_info_jsxjenis_informasi01_laporan_
keuangan dan dari Indonesian Capital Market Directory ICMD.
D. Teknik Pengumpulan Data
Pada penelitian ini, pengumpulan data dilakukan dengan mengumpulkan data sekunder berupa laporan keuangan perusahaan Real Estate dan Property yang
dipublikasikan dan terdaftar di Bursa Efek Indonesia.
E. Definisi Operasional dan Pengukuran Variabel
Variabel yang digunakan dalam penelitian ini adalah:
1. Variabel Bebas Independent Variable
Variabel bebas independent variable adalah variabel yang dapat mempengaruhi perubahan dalam variabel dependen dan yang mempunyai
hubungan positif maupun negatif bagi variabel dependen lainnya Erlina dan Mulyani, 2007:34, dimana dalam penelitian ini adalah tingkat solvabilitas DER,
tingkat profitabilitas ROA, ukuran perusahaan total asset, umur perusahaan dan struktur kepemilikan.
Universitas Sumatera Utara
a. Debt to Equity Ratio DER X
1
Rasio ini digunakan untuk mengukur seberapa besar ekuitas yang dimiliki perusahaan untuk membayar utangnya. Perusahaan dengan tingkat DER yang
tinggi cenderung lebih lama dalam menyampaikan pelaporan keuangan. DER diukur dengan menggunakan rumus berikut ini:
DER =
b. Return on Asset ROA X
2
Rasio ini digunakan untuk mengukur seberapa besar laba yang dapat diperoleh dari seluruh kekayaan yang dimiliki perusahaan. Berdasarkan
penelitian terdahulu, semakin tinggi ROA maka akan semakin tinggi ketepatan waktu pelaporan keuangan atau sebaliknya. ROA diukur dengan rumus sebagai
berikut:
ROA =
c. Ukuran Perusahaan Total Asset X
3
Jumlah informasi yang terpublikasi untuk perusahaan meningkat sesuai dengan peningkatan ukuran perusahaan. Ukuran perusahaan dalam penelitian ini
menggunakan total asset.
d. Umur Perusahaan X
4
Umur perusahaan merupakan hal yang dipertimbangkan investor dalam menanam modalnya, umur perusahaan mencerminkan perusahaan tetap survive
dan menjadi bukti bahwa perusahaan mampu bersaing. Perusahaan mapan
Universitas Sumatera Utara
dengan umur yang lebih tua juga cenderung lebih terampil dalam pengumpulan, pemrosesan dan menghasilkan informasi ketika diperlukan.
Umur perusahaan diukur sejak perusahaan melakukan first issue ke Bursa Efek Indonesia BEI.
e. Struktur Kepemilikan X
5
Struktur kepemilikan dibedakan atas kepemilikan oleh pihak luar dan kepemilikan oleh pihak dalam. Konsentrasi struktur kepemilikan dalam penelitian
ini adalah kepemilikan pihak luar yang diukur dengan persentase kepemilikan saham terbesar yang dimiliki outsider ownership.
2. Variabel Terikat Dependent Variable
Menurut Erlina dan Mulyani 2007:33, “variabel terikat dependent variable Y adalah perhatian utama dalam sebuah pengamatan; variabel ini
dijelaskan atau dipengaruhi oleh variabel independen”. Dalam penelitian ini, variabel independennya adalah ketepatan waktu time pelaporan keuangan.
Ketepatan waktu adalah tersedianya informasi bagi pembuat keputusan pada saat dibutuhkan sebelum informasi tersebut kehilangan kemampuan untuk
mempengaruhi pengambilan keputusan. Ketepatan waktu menunjukkan kualitas yakni tersedia pada waktu yang tepat dan dijadwalkan dengan baik.
Skala pengukuran variabel ini menggunakan skala nominal. Dalam skala ini pengukuran dilakukan dengan memberi nilai 1 untuk perusahaan yang tepat
waktu menyampaikan laporan keuangan dan 0 untuk perusahaan yang tidak tepat
Universitas Sumatera Utara
waktu menyampaikan laporan keuangan karena variabel yang digunakan adalah variabel dummy.
F. Metode dan Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan SPSS 16. Peneliti melakukan uji asumsi
klasik terlebih dahulu sebelum melakukan pengujian hipotesis. Metode dan teknik analisis dilakukan dengan tahapan sebagai berikut :
1. Pengujian Asumsi Klasik
Penggunaan analisis regresi logistik dalam statistik harus bebas dari asumsi-asumsi klasik. Pengujian asumsi klasik meliputi data yang terdistribusi
normal atau tidak, ada tidaknya multikolinearitas serta menguji model fit dari regresi yang digunakan.
a. Uji Normalitas
Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal. Menurut Erlina 2008:102, “tujuan uji normalitas
adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Pengujian ini diperlukan karena untuk
melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal”.
Menurut Ghozali 2005:110, “cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua, yaitu analisis grafik dan analisis statistik.
Universitas Sumatera Utara
Normalitas dapat dideteksi dengan melihat data penyebaran data titik pada sumbu diagonal dan grafik atau dengan melihat histogram dari residualnya”.
Pengujian normalitas dilakukan dengan uji statistik Kolmogorof-Smirnov Ghozali, 2005:114. Dasar pengambilan keputusannya adalah:
1 Apabila nilai signifikansi atau nilai probabilitas 0,005, maka distribusi
data normal. 2
Apabila nilai signifikansi atau nilai probabilitas 0,005, maka distribusi data tidak normal.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Jika terjadi korelasi,
berarti terjadi masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika antara variabel
independen ada korelasi yang cukup tinggi umumnya di atas 0,9, maka hal ini merupakan indikasi adanya multikolinearitas. Menurut Ghozali 2005:91,
“batasan yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0,10 atau sama dengan VIF 10.”
Ada dua cara yang dapat dilakukan jika terjadi multikolinearitas, yaitu : 1. membuang salah satu variabel
2. menggunakan metode lanjut, seperti Regresi Bayessian dan Regresi Ridge
Universitas Sumatera Utara
2. Menilai Model Fit
Uji ini berguna untuk menguji apakah dalam model regresi logistik yang digunakan fit atau cocok dengan data yang digunakan. Model regresi yang baik
mensyaratkan model regresi logistik yang fit dengan data. Untuk menguji keseluruhan model fit overall model fit, menurut Ghozali 2005:218, dapat
dilakukan dengan membandingkan nilai antara -2 log likelihood -2 LL pada awal Block Number = 0, dengan nilai -2 log likelihood -2 LL pada akhir Block
Number = 1. Adanya pengurangan nilai antara -2 LL awal initial -2 LLfunction dengan nilai -2 LL pada langkah berikutnya -2 LL akhir menunjukkan bahwa
model yang dihipotesiskan fit dengan data.
3. Menilai Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dapat dilakukan dengan menggunakan Goodness of fit test, yang pengukurannya menggunakan nilai Chi-
Square pada bagian bawah uji Hosmer and Lemeshow’s Ghozali, 2005:219. Untuk mendeteksi kelayakan model regresi ini, menurut Ghozali 2005:219 dapat
dilihat dari : Jika nilai Hosmer and Lemeshow Goodness of fit test statistik sama dengan
atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit
model tidak baik karena model yang digunakan tidak mampu memprediksi nilai observasinya. Jika nilai Statistics Hosmer and Lemeshow goodness of fit
lebih besar dari 0,05, maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat
diterima karena cocok dengan data observasinya.
Universitas Sumatera Utara
4. Pengujian Hipotesis Penelitian
Untuk melihat apakah hipotesis penelitian yang diajukan diterima atau ditolak dapat dilihat dari tingkat signifikansi, apabila sig. α = 0,05 maka H
ditolak dan Ha diterima. Sebaliknya, apabila sig. α = 0,05 maka H diterima
dan Ha ditolak. a. Analisis Diskriminan
Analisis diskriminan merupakan bentuk regresi dengan variabel terikat berbentuk non-metrik atau kategori. Syarat analisis diskriminan adalah data
penelitian terdistribusi normal, model yang digunakan adalah: Z = α + β1 X1 + β2 X2 + β3 X3 + β4X4 + β5X5 + e
Keterangan : Z = Probabilitas perusahaan yang tepat waktu
α = Konstanta βi = Koefisien regresi
X1 = Debt to Equity Ratio X2 = Return on Asset
X3 = Total Asset X4 = Umur Perusahaan
X5 = Struktur Kepemilikan
Universitas Sumatera Utara
e = Variabel pengganggu b. Regresi Logistik
Regresi logistik merupakan bentuk khusus analisis regresi dengan variabel dependen bersifat kategori dan variabel independen bersifat kategori, kontinu atau
gabungan keduanya. Uji regresi ini digunakan untuk membuktikan pengaruh dari debt to equity ratio, return on asset, total asset, umur perusahaan dan struktur
kepemilikan terhadap ketepatan waktu pelaporan keuangan. Syarat regresi logistik adalah data penelitian tidak terdistribusi normal.
Model yang digunakan dalam penelitian ini yaitu : Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ β
5
X
5
+ ε Keterangan :
Y = ketepatan waktu
X
1
= Debt to Equity Ratio X
2
= Return on Asset X
3
= Total Asset X
4
= Umur Perusahaan X
5
= Struktur Kepemilikan α
= konstanta β
1
β
2
β
3
β
4
β
5
= koefisien regresi ε
= error tingkat kesalahan
Universitas Sumatera Utara
G. Jadwal Penelitian Tabel 3.2
Feb Mar
Apr Mei
Jun’10 Pengajuan Proposal Skripsi
√ Bimbingan Proposal Skripsi
√ √
√ Seminar Proposal Skripsi
√ Bimbingan dan Penulisan Skripsi
√ √
Ujian Skripsi √
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN
A. Data Penelitian
Populasi yang diteliti dalam penelitian ini adalah perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia selama tahun 2007-2009.
Perusahaan yang dijadikan sampel berjumlah 20 perusahaan, sehingga data penelitian untuk 3 tahun amatan menjadi 60 unit analisis.
B. Analisis dan Hasil 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, selanjutnya dilakukan analisis statistik deskriptif, pengujian asumsi klasik dan regresi logistik.
Pengujian analisis statistik deskriptif, pengujian asumsi klasik dan regresi logistik digunakan dengan menggunkana software SPSS versi 16. Prosedur dimulai
dengan memasukkan variabel penelitian ke dalam program SPSS, dan menghasilkan output yang sesuai dengan metode analisis data yang telah
ditentukan.
1. Statistik Deskriptif
Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai maksimun, nilai rata-rata serta standar deviasi data yang digunakan dalam
Universitas Sumatera Utara
penelitian. Berdasarkan kriteria yang telah ditetapkan, diperoleh 20 perusahaan yang memenuhi kriteria dengan 60 unit analisis N=20x3=60. Berikut ini
ditampilkan data statistik secara umum dari seluruh sampel yang telah terpilih pada tabel 4.1.
Tabel 4.1 Descriptive Statistics
N Minimum Maximum
Mean Std.
Deviation DER
60 .05
4.04 1.1655
.86488 ROA
60 .01
.18 .0507
.03944 TA
60 1.91E9
1.21E13 2.0883E12 3.01774E12 UP
60 .08
19.67 9.7960
6.40302 SK
60 23.96
92.88 52.7712
16.70690 KW
60 .00
78.00 5.1000
12.23873 Valid N
listwise 60
Sumber : Hasil Pengolahan SPSS, 2010 Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa :
a. variabel DER X
1
memiliki sampel N sebanyak 60, dengan nilai minimum terkecil 0,05, nilai maksimum terbesar 4,04 dan mean nilai rata-rata
1,1655. Standar Deviation simpangan baku variabel ini adalah 0,86488, b.
variabel ROA X
2
memiliki sampel N sebanyak 60, dengan nilai minimum terkecil 0,01, nilai maksimum terbesar 0,18 dan mean nilai rata-rata
0,0507. Standar Deviation simpangan baku variabel ini adalah 0,03944, c.
variabel total asset X
3
memiliki sampel N sebanyak 60, dengan nilai minimum terkecil 1,91E9, nilai maksimum terbesar 1.21E13 dan mean
Universitas Sumatera Utara
nilai rata-rata 2.0883E12. Standar Deviation simpangan baku variabel ini adalah 3.01774E12,
d. variabel umur perusahaan X
4
memiliki sampel N sebanyak 60, dengan nilai minimum terkecil 0,08, nilai maksimum terbesar 19.67 dan mean nilai
rata-rata 9.7960. Standar Deviation simpangan baku variabel ini adalah 6,40302,
e. variabel struktur kepemilikan X
5
memiliki sampel N sebanyak 60, dengan nilai minimum terkecil 23.96, nilai maksimum terbesar 92.88 dan mean
nilai rata-rata 52.7712. Standar Deviation simpangan baku variabel ini adalah 16.70690,
f. variabel ketepatan waktu pelaporan keuangan Y memiliki sampel N
sebanyak 60, dengan nilai minimum terkecil 0,00, nilai maksimum terbesar 78.00 dan mean nilai rata-rata 5.1000. Standar Deviation simpangan baku
variabel ini adalah 12.23873, g.
jumlah sampel yang ada sebanyak 60.
2. Uji Asumsi Klasik a. Uji Normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Ghozali
2005:115, memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov
yang dapat dilihat dari:
Universitas Sumatera Utara
1
nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal,
2
nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov adalah seperti yang ditampilkan berikut ini :
Tabel 4.2 One-Sample Kolmogorov-Smirnov Test
DER ROA
TA UP
SK KW
N 60
60 60
60 60
60 Normal Parameters
a
Mean 1.1655
.0507 2.0883E1
2 9.7960 52.7712 .5333
Std. Deviatio
n .86488
.03944 3.01774E
12 6.40302
1.67069E 1
.50310 Most Extreme
Differences Absolute
.150 .223
.245 .131
.105 .357
Positive .150
.223 .226
.131 .105
.322 Negative
-.099 -.151
-.245 -.101
-.077 -.357
Kolmogorov-Smirnov Z 1.165
1.729 1.895
1.012 .817 2.762
Asymp. Sig. 2-tailed .133
.005 .002
.257 .516
.000 a. Test distribution is Normal.
Sumber : Hasil Pengolahan SPSS, 2010
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.2 dapat dilihat nilai Asymp.Sig.2-tailed
Kolmogorov-Smirnov dari variabel debt to equity ratio DER, return on asset ROA, umur perusahaan UP dan struktur kepemilikan SK lebih besar dari
Universitas Sumatera Utara
0,05 atau terdistribusi normal, namun variabel total asset TA dan ketepatan waktu KW pelaporan keuangan tidak terdistribusi normal karena memiliki nilai
lebih kecil dari 0,05 yaitu 0,002 dan 0,000. Karena ada dua variabel yang tidak terdistribusi normal, dengan demikian dapat disimpulkan bahwa data tidak
terdistribusi normal, sehingga bisa dilakukan uji hipotesis dengan regresi logistik.
b. Uji Multikolonieritas
Regresi yang baik adalah regresi yang tidak memiliki gejala korelasi yang kuat antarvariabel bebasnya. Multikolonieritas adalah keadaan adanya korelasi
antara variabel bebas yang satu dengan variabel bebas yang lain, dalam hal ini disebut variabel bebas ini tidak ortogonal. Variabel ortogonal adalah variabel
bebas yang nilai korelasi antarvariabel bebas tersebut sama dengan nol. Jejak multikolonieritas dalam penelitian ini dapat dilihat dari nilai korelasi antarvariabel
yang terdapat dalam matriks korelasi. Hasil uji gejala multikolonieritas disajikan pada tabel 4.3 berikut ini:
Tabel 4.3 Correlation Matrix
Constant DER ROA
TA UP
SK Step 1 Constant
1.000 -.195
-.090 -.126
-.344 -.734
DER -.195
1.000 .210
.025 -.186
-.209 ROA
-.090 .210
1.000 .175
-.251 -.321
TA -.126
.025 .175
1.000 -.163
-.072 UP
-.344 -.186
-.251 -.163
1.000 .127
SK -.734
-.209 -.321
-.072 .127
1.000 Sumber : Hasil Pengolahan SPSS
Universitas Sumatera Utara
Dari hasil pengujian diatas, maka dapat disimpulkan bahwa tidak terjadi gejala multikolonieritas antar variabel independen. Gejala multikolonieritas
terjadi apabila nilai korelasi antar variabel independen lebih besar dari 0.95 atau 95.
Matriks korelasi di atas memperlihatkan bahwa korelasi antarvariabel independen yang paling besar hanya -0,734 lebih kecil dari 0.95. Berdasarkan
hasil ini maka dapat disimpulkan bahwa variabel debt to equity ratio, return on asset, total asset, umur perusahaan dan struktur kepemilikan lolos uji gejala
multikolonieritas.
3. Menilai Model Fit
Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak 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,
dapat ditunjukkan pada tabel 4.4 berikut ini :
Tabel 4.4 Nilai -2 Log Likelihood -2LL Awal
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
82.911 .133
2 82.911
.134 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 82.911
Universitas Sumatera Utara
Nilai -2 Log Likelihood -2LL Awal Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
82.911 .133
2 82.911
.134 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 82.911 c. Estimation terminated at iteration number 2 because
parameter estimates changed by less than .001. Sumber : Hasil Pengolahan SPSS, 2010
Nilai -2 log likelihood akhir pada block number = 1, dapat dilihat pada tabel 4.5 berikut ini :
Tabel 4.5 Nilai -2 Log Likelihood -2 LL Akhir
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant DER
ROA TA
UP SK
Step 1 1 76.605
.250 -.258
3.305 .000
-.064 .006
2 76.552
.221 -.289
3.488 .000
-.068 .008
3 76.552
.219 -.289
3.488 .000
-.068 .008
4 76.552
.219 -.289
3.488 .000
-.068 .008
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 82.911 d. Estimation terminated at iteration number 4 because parameter estimates changed by less
than .001. Sumber : Hasil Pengolahan SPSS, 2010
Universitas Sumatera Utara
Dari tabel 4.4 dan tabel 4.5 di atas dapat dilihat bahwa nilai -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan
konstanta yang dapat dilihat pada step 2, memperoleh nilai sebesar 82,911. Kemudian pada tabel selanjutnya dapat dilihat nilai -2 log likelihood akhir dengan
block number = 1, nilai -2 log likelihood pada tabel 4.5 mengalami perubahan setelah masuknya beberapa variabel independen pada model penelitian, akibatnya
nilai -2 log likelihood akhir pada step 20 menunjukkan nilai 76,552. Adanya pengurangan nilai antara -2 log likelihood awal dengan nilai -2 log
likelihood akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2005:219. Penurunan nilai -2 log likelihood menunjukkan bahwa
model penelitian ini dinyatakan fit, artinya penambahan variabel bebas yaitu debt to equity ratio, return on asset, total asset, umur perusahaan dan struktur
kepemilikan ke dalam model penelitian akan memperbaiki model fit penelitian ini.
4. Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan
menggunakan goodness of fitness test yang diukur dengan nilai chi square pada bagian bawah uji hosmer and lameshow.
Tabel 4.6 Hosmer and Lemeshow Test
Step Chi-square Df
Sig. 1
4.398 8
.820 Sumber : Hasil Pengolahan SPSS, 2010
Universitas Sumatera Utara
Hasil pengujian statistik menunjukkan probabilitas signifikansi sebesar 0,820. Nilai signifikansi yang diperoleh ini lebih besar dari 0,05, maka H
tidak dapat ditolak diterima. Hal ini menunjukkan bahwa model regresi layak untuk
digunakan dalam analisis selanjutnya, karena tidak ada perbedaan nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
Tabel 4.7
Contingency Table for Hosmer and Lemeshow Test
KW = Tidak Tepat Waktu
KW = Tepat Waktu Total
Observed Expected Observed Expected Step 1 1
5 4.410
1 1.590
6 2
3 3.746
3 2.254
6 3
3 3.541
3 2.459
6 4
4 3.311
2 2.689
6 5
4 3.086
2 2.914
6 6
2 2.705
4 3.295
6 7
3 2.204
3 3.796
6 8
1 1.969
5 4.031
6 9
1 1.803
5 4.197
6 10
2 1.225
4 4.775
6 Sumber : Hasil Pengolahan SPSS, 2010
Dari tabel kontinjensi untuk uji hosmer and lameshow, dapat dilihat bahwa dari 10 langkah pengamatan untuk kategori perusahaan dengan kondisi tepat
waktu 1 maupun kondisi tidak tepat waktu 0, nilai yang diamati maupun nilai yang diprediksi, tidak mempunyai perbedaan yang terlalu ekstrim. Ini
Universitas Sumatera Utara
menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya.
5. Hasil Pengujian Hipotesis
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh dari variabel-variabel bebas terhadap ketepatan waktu pelaporan keuangan.
Pengujian dengan regresi logistik ditunjukkan dalam tabel berikut ini :
Tabel 4.8 Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
60 100.0
Missing Cases .0
Total 60
100.0 Unselected Cases
.0 Total
60 100.0
a. If weight is in effect, see classification table for the total number of cases.
Sumber : Hasil Pengolahan SPSS, 2010 Berdasarkan tabel 4.8 di atas dapat diambil analisis sebagai berikut:
a. jumlah observasi sebanyak 60, dan seluruh observasi telah diperhitungkan ke dalam pengujian hipotesis
b. tidak ada variabel dependen yang dikeluarkan dengan nilai dummy variabel. Variabel dependen bernilai 1 untuk kategori tepat waktu dan
bernilai 0 untuk kategori tidak tepat waktu.
Universitas Sumatera Utara
c. metode yang digunakan untuk memasukkan data adalah metode enter dimana dengan menggunakan metode ini seluruh variabel bebas
independen disertakan dalam analisis data untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
Selanjutnya, variabilitas antara variabel dependen dengan variabel independen ditampilkan pada tabel 4.9 di bawah ini.
Tabel 4.9 Model Summary
Step -2 Log
likelihood Cox Snell
R Square Nagelkerke R
Square 1
76.552
a
.101 .134
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than
.001.
Sumber : Hasil Pengolahan SPSS, 2010 Berdasarkan tabel 4.9 di atas, dapat dilihat hasil analisis regresi logistik
secara keseluruhan menunjukkan nilai Cox Snell R Square sebesar 0,101. Cox Snell R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai
maksimum kurang dari satu, sehingga sulit untuk diinterpretasikan. Nagelkerke’s R
2
merupakan modifikasi dari koefisien Cox dan Snell. Untuk memastikan bahwa nilainya bervariasi dari satu 1 sampai dua 2, dilakukan dengan cara membagi
nilai Cox dan Snell R
2
dengan nilai maksimumnya. Nilai Nagelkerke’s R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Dilihat dari hasil output pengolahan data nilai Nagelkerke’s R
2
menunjukkan angka sebesar 0,134 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel
Universitas Sumatera Utara
independen adalah sebesar 13,4, sedangkan 86,6 dijelaskan oleh variabel lain diluar model.
a. Matriks Klasifikasi Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model
regresi untuk memprediksi ketepatan waktu pelaporan keuangan perusahaan. Tabel 4.10
Classification Table
a
Observed Predicted
KW Percentage
Correct Tidak Tepat
Waktu Tepat
Waktu Step 1 KW
Tidak Tepat Waktu
18 10
64.3 Tepat Waktu
11 21
65.6 Overall Percentage
65.0 a. The cut value is .500
Sumber : Hasil Pengolahan SPSS, 2010
Tabel 4.10 di atas menunjukkan kekuatan prediksi dari model regresi untuk memprediksi ketepatan waktu pelaporan keuangan. Kekuatan prediksi
model untuk peringkat tepat waktu adalah sebesar 65,6. Ini menunjukkan bahwa dengan menggunakan model regresi yang digunakan ada 21 unit analisis
yang diprediksi tepat waktu dalam pelaporan keuangan dari total 32 unit analisis yang mendapatkan peringkat tepat waktu dalam pelaporan keuangan. Kekuatan
prediksi model untuk peringkat tidak tepat waktu adalah sebesar 64,3, yang
Universitas Sumatera Utara
berarti bahwa model regresi yang diajukan ada 18 unit analisis yang tepat waktu dalam pelaporan keuangan dari 28 unit analisis yang diobservasi.
b. Menguji Koefisien Regresi Tabel 4.11 menunjukkan hasil pengujian dengan regresi logistik.
Tabel 4.11
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
95.0 C.I.for EXPB Lower
Upper Step
1
a
DER -.289
.348 .693
1 .405
.749 .379
1.480 ROA
3.488 7.705
.205 1
.651 32.721
.000 1.183E8
TA .000
.000 2.476
1 .116
1.000 1.000
1.000 UP
-.068 .046
2.196 1
.138 .935
.855 1.022
SK .008
.018 .188
1 .664
1.008 .973
1.043 Constant
.219 1.040
.044 1
.833 1.245
a. Variables entered on step 1: DER, ROA, TA, UP, SK.
Sumber : Hasil Pengolahan SPSS, 2010 Tabel 4.11 di atas memperlihatkan hasil pengujian hipotesis regresi
logistik pada tingkat signifikansi lebih besar dari 5 sehingga variabel Debt to Equity Ratio DER, Return on Asset ROA, Total Asset TA, Umur Perusahaan
UP, dan Struktur Kepemilikan SK tidak berpengaruh signifikan terhadap ketepatan waktu pelaporan keuangan.
Dari hasil pengujian hipotesis tersebut pada kolom B maka diperoleh model persamaan regresi logistik sebagai berikut :
Y= 0,219 – 0,289X
1
+ 3,488X
2
+ 0,000X
3
– 0,068X
4
+ 0,008X
5
Universitas Sumatera Utara
Konstanta sebesar 0,219 menyatakan bahwa jika tidak memperhitungkan nilai DER, ROA, TA, UP, dan SK, maka kemungkinan ketepatan waktu pelaporan
keuangan perusahaan sebesar 0,219.
C. Pembahasan Hasil Penelitian
1. Hubungan Debt to Equity Ratio dengan Ketepatan Waktu Pelaporan Keuangan Hasil pengujian regresi logistik di atas menunjukkan bahwa variabel debt
to equity ratio memiliki nilai koefisien negatif sebesar -0,289 dengan tingkat signifikansi sebesar 0,405 lebih besar dari 0,05. Dapat disimpulkan bahwa debt
to equity ratio tidak berpengaruh signifikan terhadap ketepatan waktu pelaporan keuangan. Hasil ini sejalan dengan penelitian yang dilakukan oleh Almilia dan
Setiady 2006 dan bertentangan dengan penelitian yang dilakukan oleh Catrinasari 2006. Hal ini tidak sesuai dengan logika teori yang dipaparkan
sebelumnya, bahwa perusahaan dengan tingkat solvabilitas yang tinggi cenderung terlambat menyampaikan laporan keuangan.
2. Hubungan Return on Asset dengan Ketepatan Waktu Pelaporan Keuangan Hasil pengujian regresi logistik di atas menunjukkan bahwa variabel
return on asset memiliki nilai koefisien positif sebesar 3,488 dengan tingkat signifikansi sebesar 0,651 lebih besar dari 0,05. Dapat disimpulkan bahwa
return on asset tidak berpengaruh signifikan terhadap ketepatan waktu pelaporan keuangan. Hasil ini sejalan dengan penelitian yang dilakukan oleh Almilia dan
Universitas Sumatera Utara
Setiady 2006 dan bertentangan dengan penelitian yang dilakukan oleh Catrinasari 2006. Hal ini tidak sesuai dengan logika teori yang dipaparkan
sebelumnya bahwa perusahaan dengan tingkat profitabilitas yang tinggi cenderung tepat waktu menyampaikan laporan keuangan karena profitabilitas
yang tinggi menunjukkan seberapa besar keuntungan yang diperoleh sehingga perusahaan lebih tepat waktu dalam menyampaikan laporan keuangan sebab
perusahaan ingin lebih cepat menyampaikan “good news” tersebut kepada para pemegang sahamnya.
3. Hubungan Total Asset terhadap Ketepatan Waktu Pelaporan Keuangan Hasil pengujian regresi logistik di atas menunjukkan bahwa variabel total
asset memiliki nilai koefisien sebesar 0,000 dengan tingkat signifikansi sebesar 0,116 lebih besar dari 0,05. Dapat disimpulkan bahwa variabel total asset tidak
berpengaruh signifikan terhadap ketepatan waktu pelaporan keuangan. Hal ini bertentangan dengan penelitian yang dilakukan oleh Almilia dan Setiady 2006
dan Catrinasari 2006. Hal ini tidak sesuai dengan logika teori yang dipaparkan sebelumnya, bahwa semakin tinggi ukuran perusahaan maka semakin tinggi
ketepatan waktu pelaporan keuangan.
4. Hubungan Umur Perusahaan terhadap Ketepatan Waktu Pelaporan Keuangan Hasil pengujian regresi logistik di atas menunjukkan bahwa variabel umur
perusahaan memiliki nilai koefisien sebesar -0,068 dan tingkat signifikansi sebesar 0,138 lebih besar dari 0,05. Dapat disimpulkan bahwa variabel umur
Universitas Sumatera Utara
perusahaan tidak berpengaruh signifikan terhadap ketepatan waktu pelaporan keuangan. Hasil ini bertentangan dengan penelitian yang dilakukan oleh Almilia
dan Setiady 2006 dan Catrinasari 2006. Hal ini bertentangan dengan logika teori yang dipaparkan sebelumnya, bahwa perusahaan dengan umur yang semakin
tua, cenderung semakin tepat waktu dalam pelaporan keuangan.
5. Hubungan Struktur Kepemilikan terhadap Ketepatan Waktu Pelaporan Keuangan
Hasil pengujian regresi logistik di atas menunjukkan bahwa variabel struktur kepemilikan memiliki nilai koefisien sebesar 0,008 dan tingkat
signifikansi sebesar 0,664 lebih besar dari 0,05. Dari hasil yang ditunjukkan ini dapat disimpulkan bahwa variabel struktur kepemilikan tidak berpengaruh
signifikan terhadap ketepatan waktu pelaporan keuangan. Hasil ini sejalan dengan penelitian yang dilakukan oleh Catrinasari 2006. Hal ini bertentangan
dengan logika teori yang dipaparkan sebelumnya, bahwa kepemilikan oleh pihak luar mempunyai kekuatan yang besar untuk menekan manajemen dalam
menyajikan informasi secara tepat waktu.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
A. Kesimpulan
