SALES = Rasio pertumbuhan penjualan
INS = Kepemilikan institusional
DEF = Debt default variabel dummy, 1 jika perusahaan dalam
keadaan default, dan 0 jika tidak ALAG
= Audit Report Lag b
1
, b
2
, b
3
, b
4
= Koefisien regresi e
= Error
F. Jadwal Penelitian
Jadwal penelitian direncanakan sebagai berikut :
Tabel 3.4 Rencana Jadwal Penelitian
Tahapan Penelitian
Sept 2010
Okt 2010
Nov 2010
Des 2010
Feb 2011
Maret 2011
1 2
3 4
1 2
3 4
1 2
3 4
1 2
3 4
1 2
3 4
1 2
3 4
Pengajuan Proposal
Bimbingan dan
Perbaikan Proposal
Seminar Proposal
Pengumpulan dan
Pengolahan Data
Penulisan Skripsi
Ujian Skripsi
Sumber : Hasil Olahan Peneliti
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
A. Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode statistik yang menggunakan persamaan regresi logistik. Analisis data dimulai
dengan mengolah data dengan menggunakan microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian regresi logistik dengan
menggunakan software SPSS versi 17. Prosedur dimulai dengan memasukkan variable-variabel penelitian ke program SPSS tersebut dan menghasilkan output-
output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, diperoleh 20 perusahaan yang memenuhi kriteria dan
dijadikan sampel penelitian ini dan diamati selama periode 2006-2009.
B. Analisis Hasil Penelitian
1. Statistik Deskriptif Setelah data terkumpul, seluruh sampel diseleksi berdasarkan kriteria.
Diperoleh 80 sampel yang memenuhi kriteria pemilihan sampel yang telah ditentukan sebelumnya. Berikut ini ditampilkan data statistik secara umum,
peneliti menggunakan fasilitas descriptive untuk variabel yang diukur dengan skala ratio dan fasilitas frecuencies untuk variabel yang diukur dengan skala
nominal.
Tabel 4.1
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation SALES
80 -,99
,80 ,0085
,31208 INS
80 ,76
1,00 ,9675
,06421 ALAG
80 47,00
193,00 80,3375
16,36061 Valid N listwise
80
Sumber : Hasil Pengolahan SPSS
Berdasarkan tabel 4.1 dapat dideskripsikan beberapa hal berikut : a.
Jumlah seluruh sampel penelitian adalah 20 perusahaan dikali empat 4 tahun penelitian sehingga total N adalah 80 perusahaan. Dengan tiga 3
variabel yang memiliki skala ratio yaitu pertumbuhan perusahaan SALES sebagai variabel independen yang pertama X
1
, kepemilikan institusional INS sebagai variabel independen kedua X
2
, audit report lag ALAG sebagai variabel independen keempat X
4
. b.
Variabel independen pertama, yaitu pertumbuhan perusahaan, memiliki nilai minimum sebesar -0,99 dan nilai maksimum sebesar 0,80 dengan
nilai rata-rata adalah 0,085. Hal ini menunjukkan bahwa sebagian besar perusahaan-perusahaan yang menjadi sampel mempunyai nilai
pertumbuhan yang positif. Nilai standar deviasi sebesar 0,31208 menunjukkan bahwa tidak ada sampel yang memiliki nilai pertumbuhan
perusahaan yang bersifat ekstrim. c.
Variabel independen kedua, yaitu kepemilikan institusional, memiliki nilai minimum 0,76 dan nilai maksimum sebesar 1,00 dengan nilai rata-rata
adalah 0,9675. Hal ini menunjukkan bahwa perusahaan-perusahaan yang menjadi sampel mempunyai nilai kepemilikan institusional yang positif.
Nilai standar deviasi sebesar 0,06421 menunjukkan bahwa tidak ada sampel yang memiliki nilai kepemilikan institusional yang ekstrim.
d. Variabel independen keempat, yaitu audit report lag, memiliki nilai
minimum sebesar 47,00 dan nilai maksimum sebesar 193 dengan nilai rata-rata adalah 80,3375. Hal ini menunjukkan bahwa kebanyakan
perusahaan-perusahaan yang menjadi sampel memiliki audit report lag yang pendek. Nilai standar deviasi sebesar 16,36061 menunjukkan bahwa
tidak ada sampel yang memiliki nilai audit report lag yang bersifat ekstrim.
Tabel 4.2
Statistics
DEF GCO
N Valid
80 80
Missing
Sumber : Hasil Pengolahan SPSS
Berdasarkan tabel 4.2 dapat dideskripsikan bahwa jumlah data yang valid sah untuk diproses adalah 80 buah, sedangkan data yang hilang missing adalah nol,
artinya semua data diproses.
Tabel 4.3
DEF
Frequency Percent
Valid Percent Cumulative
Percent Valid
Status Tidak Default 33
41,3 41,3
41,3 Status Default
47 58,8
58,8 100,0
Total 80
100,0 100,0
Sumber : Hasil Olahan SPSS
Berdasarkan tabel 4.3 dapat dideskripsikan bahwa variabel independen ketiga X
3
, yaitu debt default merupakan variabel nominal yang menggunakan variabel dummy, dimana perusahaan yang mendapat status default diberi kode “1” dan
perusahaan yang tidak mendapat status default diberi kode “0”. Semua data diproses valid. Status tidak default tercatat 33 perusahaan atau 41,25 dari total,
sedangkan status default tercatat 47 perusahaan atau 58,75 dari total.
Tabel 4.4
GCO
Frequency Percent
Valid Percent Cumulative
Percent Valid
NGCO 33
41,3 41,3
41,3 GCO
47 58,8
58,8 100,0
Total 80
100,0 100,0
Sumber : Hasil Pengolahan SPSS
Berdasakan tabel 4.4 dapat dideskripsikan bahwa variabel dependen Y, yaitu opini audit going concern GCO merupakan variabel nominal yang
menggunakan variabel dummy, dimana perusahaan yang menerima opini audit wajar dengan bahasa penjelas going concern diberi kode “1” sedangkan
perusahaan yang menerima opini audit selain dengan bahasa penjelas going concern diberi kode “0”. Semua data diproses valid. Dapat dilihat bahwa
perusahaan yang menerima opini audit wajar dengan bahasa penjelas going concern GCO berjumlah 47 perusahaan atau 58,75 dari total, sedangkan
perusahaan yang menerima opini audit selain dengan bahasa penjelas going cocern NGCO berjumlah 33 perusahaan atau 41,25 dari total.
2. Pengujian Data a. Uji Asumsi Klasik
1 Uji Multikolinearitas Uji ini digunakan untuk situasi dimana adanya korelasi variabel-variabel
independen antara satu dengan yang lainnya. Tujuannya adalah untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antara
variabel bebas independen. Apabila terjadi korelasi antarvariabel tersebut berarti terjadi problem multikolinearitas. Sedangkan variabel yang baik
adalah variabel yang tidak memiliki problem multikolinearitas. Uji multikolinearitas dalam penelitian ini dilakukan dengan melihat besaran VIF
Variance Inflatin Factor dan tolerance serta melihat besaran korelasi antarvariabel independen.
Tabel 4.5
Coefficient Correlations
a
Model ALAG
INS SALES
DEF 1
Correlations ALAG
1,000 ,046
,159 -,116
INS ,046
1,000 ,049
-,312 SALES
,159 ,049
1,000 ,148
DEF -,116
-,312 ,148
1,000 Covariances
ALAG 4,289E-6
5,201E-5 3,603E-5
-1,730E-5 INS
5,201E-5 ,298
,003 -,012
SALES 3,603E-5
,003 ,012
,001 DEF
-1,730E-5 -,012
,001 ,005
a. Dependent Variable: GCO
Sumber : Hasil Pengolahan SPSS
Deteksi adanya multikolinearitas : a
Multikolinearitas dapat dilihat dari koefisien korelasi antarvariabel independen haruslah lemah dan tidak cukup tinggi di bawah 95 , maka antarvariabel
tersebut tidak terjadi multikolinearitas. Tidak adanya korelasi yang tinggi bukan berarti bebas dari gejalah multikolinearitas. Multikolinearitas dapat
disebabkan oleh adanya efek kombinasi dua atau lebih variabel independen Ghozali, 2006.
Analisis : Berdasarkan tabel 4.5 tampak bahwa antarvariabel independen tersebut tidak ada
korelasi yang besar. Tabel tersebut menunjukkan bahwa korelasi di bawah 0,95 atau 95. Jadi dapat disimpulkan bahwa antarvariabel tersebut tidak terjadi
multikolinearitas. b Multikolinearitas dapat dilihat dari :
i Nilai VIF 10
ii Nilai Tolerance 0,10
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan variabel independen lainnya. Dalam pengertian sederhana setiap
variabel independen menjadi variabel dependen dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel
independen yang terpilih yang dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi
Ghozali, 2006
Tabel 4.6 Coefficients
Model Collinearity Statistics
Tolerance VIF
1 Constant
SALES ,937
1,067 INS
,893 1,120
DEF ,859
1,164 ALAG
,955 1,047
Sumber : Hasil Pengolahan SPSS
Analisis :
Berdasarkan tabel 4.6 dapat dilihat bahwa nilai tolerance dari kelima variabel lebih besar dari 0,10, begitu juga dengan nilai VIFnya lebih kecil dari 10. Nilai ini
menunjukkan tidak adanya korelasi antarvariabel independen.
2 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi pengganggu pada periode t dengan kesalahan pengganggu pada periode
t-1 sebelumnya. Jika terjadi korelasi maka terjadi problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lainnya. Masalah ini muncul karena residual
kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series
karena gangguan pada seorang individualkelompok cenderung mempengaruhi gangguan pada individukelompok yang sama pada
periode berikutnya. Pada data cross section masalah autokorelasi relatif jarang terjadi karena gangguan pada observasi yang berbeda berasal dari
indiidukelompok yang berbeda. Maka regresi logistik yang baik adalah regresi yang bebas dari autokorelasi Ghozali : 2006
Uji yang digunakan untuk melihat autokorelasi dalam penelitian ini adalah dengan menggunakan run test. Run test dapat digunakan untuk menguji apakah
antarresidual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak. Hipotesis yang akan diuji
adalah :
H : residual res_1 random acak
H
1
: residual res_1 tidak random
Tabel 4.7
Runs Test
Unstandardized Residual
Test Value
a
,00810 Cases Test Value
40 Cases = Test Value
40 Total Cases
80 Number of Runs
38 Z
-,675 Asymp. Sig. 2-tailed
,500 a. Median
Sumber : Hasil Pengolahan SPSS
Tabel 4.7 menunjukkan nilai test sebesar 0,0081 dengan SigAsymptotic dua sisi adalah 0,5 atau probabilitas di atas 0,05, maka H
diterima atau dapat
disimpulkan bahwa residual random acak atau tidak terjadi autokorelasi antarresidual.
b. Menilai Keseluruhan Model Fit
Uji ini dilakukan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Adapun hipotesis yang digunakan untuk menilai model fit ini
adalah sebagai berikut :
H : model ysng dihipotesiskan fit dengan data
H
1
: model yang dihipotesiskan tidak fit dengan data
Hipotesis tersebut dengan jelas menunjukkan bahwa hipotesis yang diinginkan adalah hipotesis nol karena hipotesis tersebut menyatakan bahwa model fit dengan
data. Statistik yang digunakan adalah berdasarkan pada fungsi Likelihood L. Likelihood dari model adalah probabilitas bahwa model yang dihipotesiskan
menggambarkan model input. Untuk menguji hipotesis nol dan alternatif, L ditransformasikan menjadi -2LogL. Statistik -2LogL kadang-kadang disebut
Likelihood rasio X
2
statistik. Pengujian dilakukan dengan membandingkan nilai antara -2Log Likelihood
pada awal block number = 0 dengan nilai -2Log Likelihood pada akhir block number = 1. Nilai -2 Log Likelihood awal pada block number = 0, ditunjukkan
melalui tabel berikut :
Tabel 4.8
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
108,441 ,350
2 108,441
,354 3
108,441 ,354
a. Constant is included in the model. b. Initial -2 Log Likelihood: 108,441
c. Estimation terminated at iteration number 3 because parameter estimates changed by less than
,001.
Sumber : Hasil Pengolahan SPSS
Nilai -2LogL akhir pada block number = 1, dapat ditunjukkan melalui tabel berikut :
Tabel 4.9
Iteration History
a,b,c,d
Iteration -2 Log likelihood
Coefficients Constant
SALES INS
DEF ALAG
Step 1 1
51,144 -1,432
-,776 1,512
3,102 -,019
2 45,867
-2,358 -1,682
3,021 4,146
-,030 3
45,251 -3,033
-2,259 4,028
4,573 -,036
4 45,235
-3,211 -2,366
4,267 4,655
-,037 5
45,235 -3,218
-2,369 4,276
4,657 -,037
6 45,235
-3,218 -2,369
4,276 4,657
-,037 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 108,441
d. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Sumber : Hasil Pengolahan SPSS
Tabel 4.9 menunjukkan bahwa -2LogL awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada step 2 memperoleh
nilai sebesar 108,441. Kemudian pada tabel 4.9 dapat dilihat nilai -2LogL setelah masuknya beberapa variabel independen pada model sehingga nilai -2LogL akhir
pada step 6 menunjukkan nilai 45,235. Selisih antara nilai -2LogL awal dengan nilai -2LogL akhir adalah sebesar
63,206. Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data.
c. Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistic dilakukan dengan menggunakan Goodness of Fit Test yang diukur dengan nilai Chi Square pada bagian bawah uji
Hosmer and Lameshow.
Tabel 4.10
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 11,154
8 ,193
Sumber : Hasil Pengolahan SPSS
Tabel 4.10 menunjukkan hasil pengujian Hosmer and Lameshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 0,139, nilai
signifikansi yang diperoleh lebih besar dari α 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.
Tabel 4.11
Contingency Table for Hosmer and Lemeshow Test
GCO = NGCO GCO = GCO
Total Observed
Expected Observed
Expected Step 1
1 8
7,701 ,299
8 2
7 7,342
1 ,658
8 3
6 6,986
2 1,014
8 4
8 6,534
1,466 8
5 1
2,223 7
5,777 8
6 ,762
8 7,238
8 7
2 ,585
6 7,415
8 8
,436 8
7,564 8
9 1
,300 7
7,700 8
10 ,132
8 7,868
8
Sumber : Hasil Pengolahan SPSS
Berdasarkan tabel kontinjensi untuk uji Hosmer and Lameshow dapat dilihat dari sepuluh langkah pengamatan untuk pemberian opini audit going concern 1
maupun opini audit non going concern 0. Nilai yang diamati maupun diprediksi, tidak mempunyai perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa model
regresi logistik yang digunakan mampu memprediksi nilai observasinya. 3.
Pengujian Hipotesis Pengujian hipotesis bertujuan untuk mengetahui pengaruh dari variabel-
variabel independen terhadap pemberian opini audit going concern. Penelitian ini menggunakan dua pengujian hipotesis, yaitu Uji F dan regresi logistik.
Pertama, uji F dapat dilihat pada tabel di bawah ini :
Tabel 4.12
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
12,892 4
3,223 37,212
,000
a
Residual 6,496
75 ,087
Total 19,388
79 a. Predictors: Constant, ALAG, INS, SALES, DEF
b. Dependent Variable: GCO
Sumber : Hasil Pengolahan SPSS
H1 : Pertumbuhan perusahaan, kepemilikan institusional, debt default, dan audit report lag berpengaruh terhadap pemberian opini going
concern.Berdasarkan tabel 4.12 dapat dilihat probabilitas signifikansi 0,000 yang nilanya berada di bawah taraf signifikansi 0,05 sehingga
dapat dikatakan bahwa H1 diterima dan H0 ditolak, dengan demikian dapat disimpulkan bahwa pertumbuhan perusahaan, kepemilikan
institusional, debt default, dan audit report lag berpengaruh secara simultan terhadap pemberian opini going concern.
Kedua, metode regresi logistik dapat dilihat dalam tabel-tabel di bawah ini :
Tabel 4.13
Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
80 100,0
Missing Cases ,0
Total 80
100,0 Unselected Cases
,0 Total
80 100,0
a. If weight is in effect, see classification table for the total number of cases.
Sumber : Hasil Pengolahan SPSS
Tabel 4.14
Dependent Variable Encoding
Original Value
Internal Value NGCO
GCO 1
Sumber : Hasil Pengolahan SPSS
Berdasarkan tabel 4.12 dan 4.13, maka dapat dianalisis sebagai berikut : a.
Jumlah sampel pengamatan sebanyak 80 sampel, dan seluruh sampel telah diperhitungkan ke dalam pengujian hipotesis.
b. Tidak ada variabel dependen yang dikeluarkan dengan nilai variabel
dummy, 1 untuk going concern dan 0 untuk non going concern. c.
Metode yang digunakan adalah metode enter dimana dengan metode ini seluruh variabel independen disertakan dalam pengolahan data untuk
mengetahui variabel mana yang berpengaruh terhadap variabel dependen. Dalam uji regresi pengaruh antara variabel dependen dan variabel
independen dapat dilihat pada Variables in the Equation, pada kolom significant dibandingkan dengan tingkat kealfaan 0,05 5.
Tabel 4.15
Sumber : Hasil Pengolahan SPSS
Berdasarkan pengujian persamaan regresi tersebut maka dperoleh model regresi logistik sebagai berikut :
Y = -3,218 - 2,369X
1
+ 4,276X
2
+ 4,657X
3
- 0,037X
4
Konstanta sebesar -3,218 menyatakan bahwa jika tidak memperhitungkan nilai pertumbuhan perusahaan, kepemilikan institucional, debt default, dan audit.
report lag maka kemungkinan penerimaan opini audit. wajar dengan bahasa penjelas going concern sebesar -3,218.
Berdasarkan tabel 4.14 di atas, maka diperoleh hasil uji regresi logistik yang diperlukan untuk menguji hipótesis yang dikemukakan. Maka hasil pengujian
hipótesis adalah : H
2
: pertumbuhan perusahaan berpengaruh terhadap pemberian opini audit going concern.
Berdasarkan tabel 4.14 di atas, pertumbuhan perusahaan memiliki koefisien negatif sebesar 2,369 dengan tingkat probabilitas signifikansi
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
95 C.I.for EXPB Lower
Upper Step
1
a
SALES -2,369
1,343 3,110
1 ,078
,094 ,007
1,302 INS
4,276 6,899
,384 1
,535 71,919
,000 5,361E7
DEF 4,657
,879 28,095
1 ,000
105,363 18,826
589,678 ALAG
-,037 ,020
3,454 1
,063 ,964
,928 1,002
Constant -3,218
6,946 ,215
1 ,643
,040 a. Variables entered on step 1: SALES, INS, DEF, ALAG.
0,078 yang nilainya berada di atas taraf signifikansi 0,05 5 sehingga dapat dikatakan bahwa H
2
ditolak dan H diterima. Dengan
demikian dapat disimpulkan bahwa pertumbuhan perusahaan tidak berpengaruh terhadap pemberian opini audit going concern.
H
3
: kepemilikan institusional berpengaruh terhadap pemberian opini audit going concern.
Berdasarkan tabel 4.14 di atas, kepemilikan institusional memiliki koefisien positif sebesar 4,276 dengan tingkat probabilitas signifikansi
0,535 yang nilainya berada di atas taraf signifikansi 0,05 5 sehingga dapat dikatakan bahwa H
3
ditolak dan H diterima. Dengan
demikian dapat disimpulkan bahwa kepemilikan institusional tidak berpengaruh terhadap pemberian opini audit going concern.
H
4
: debt default berpengaruh terhadap pemberian opini audit going concern. Berdasarkan tabel 4.14 di atas debt default memiliki koefisien positif
sebesar 4,657 dengan tingkat signifikansi 0,000 yang nilainya berada di bawah taraf signifikansi 0,05 5 sehingga dapat dikatakan bahwa
H
4
diterima dan H ditolak. Dengan demikian dapat disimpulkan
bahwa debt default berpengaruh signifikan terhadap pemberian opini audit going concern.
H
5
: audit report lag berpengaruh terhadap pemberian opini audit going concern.
Berdasarkan tabel 4.14 di atas, audit report lag memiliki koefisien negatif sebesar 0,037 dengan tingkat probabilitas signifikan 0,063 yang
nilainya berada di atas taraf signifikansi 0,05 5 dan sehingga dapat dikatakan bahwa H
5
ditolak dan H diterima, dengan demikian dapat
disimpulkan bahwa audit report lag tidak berpengaruh terhadap pemberian opini audit going concern.
C. Pembahasan Hasil Penelitian