Jadwal Penelitian Data Penelitian Analisis Hasil Penelitian

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