Metode Analisis Data

E. Metode Analisis Data

Data yang dikumpulkan dalam penelitian ini diolah dan kemudian dianalisis dengan alat statistik sebagai berikut:

1. Statistik Deskriptif

Ciri utama statistik deskriptif adalah mendeskripsikan atau menjelaskan atau menggambarkan data tanpa menarik kesimpulan apa pun (Santoso, 2012). Statistik deskriptif memberikan gambaran suatu data yang dilihat dari rata-rata (mean), standar deviasi, nilai minimum, nilai maksimum dari data sampel. Analisis ini untuk memberikan gambaran tentang distribusi frekuensi data sampel tersebut.

Pengujian terhadap hipotesis dalam penelitian ini dilakukan secara multivariate menggunakan regresi logistik (logistic regression). Regresi logistik digunakan karena variabel dependen diukur menggunakan variabel dummy. Ghozali (2011) menyatakan bahwa metode regresi logistik sebenarnya mirip dengan analisis diskriminan yaitu menguji apakah probabilitas terjadinya variabel terikat (dependen) dapat diprediksi dengan variabel bebasnya (independen). Santoso (2012) menyatakan bahwa tujuan regresi logistik adalah memprediksi besarnya pengaruh variabel dependen yang berupa sebuah variabel binary menggunakan variabel bebas yang sudah diketahui besarnya. Variabel binary adalah data dengan jenis nominal dengan dua kriteria saja, seperti tepat waktu dengan kriteria 1 dan tidak tepat waktu dengan kriteria 0. Regresi logistik digunakan untuk menguji apakah variabel-variabel independen (profitabilitas, solvabilitas, size, dan age) berpengaruh terhadap variabel dependen (timeliness). Metode ini juga digunakan dalam penelitian sebelumnya, yaitu Hilmi dan Ali (2008) dan juga Kadir (2011). Dalam penelitian ini, peneliti tidak melakukan uji normalitas data karena menurut (Ghozali, 2011) regresi logistik tidak memerlukan asumsi normalitas pada variabel bebasnya. Menurut Kuncoro (2001) dalam Sulistyo (2010) regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang digunakan dalam model. Artinya, variabel penjelas tidak harus memiliki distribusi normal, linear maupun memiliki varian Pengujian terhadap hipotesis dalam penelitian ini dilakukan secara multivariate menggunakan regresi logistik (logistic regression). Regresi logistik digunakan karena variabel dependen diukur menggunakan variabel dummy. Ghozali (2011) menyatakan bahwa metode regresi logistik sebenarnya mirip dengan analisis diskriminan yaitu menguji apakah probabilitas terjadinya variabel terikat (dependen) dapat diprediksi dengan variabel bebasnya (independen). Santoso (2012) menyatakan bahwa tujuan regresi logistik adalah memprediksi besarnya pengaruh variabel dependen yang berupa sebuah variabel binary menggunakan variabel bebas yang sudah diketahui besarnya. Variabel binary adalah data dengan jenis nominal dengan dua kriteria saja, seperti tepat waktu dengan kriteria 1 dan tidak tepat waktu dengan kriteria 0. Regresi logistik digunakan untuk menguji apakah variabel-variabel independen (profitabilitas, solvabilitas, size, dan age) berpengaruh terhadap variabel dependen (timeliness). Metode ini juga digunakan dalam penelitian sebelumnya, yaitu Hilmi dan Ali (2008) dan juga Kadir (2011). Dalam penelitian ini, peneliti tidak melakukan uji normalitas data karena menurut (Ghozali, 2011) regresi logistik tidak memerlukan asumsi normalitas pada variabel bebasnya. Menurut Kuncoro (2001) dalam Sulistyo (2010) regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang digunakan dalam model. Artinya, variabel penjelas tidak harus memiliki distribusi normal, linear maupun memiliki varian

a. Model Analisis Model analisis regresi logistik yang digunakan dalam penelitian ini adalah sebagai berikut:

Ln(TL/1- TL) = α + β1ROA + β2TDTA + β3SIZE + β4AGE + e Keterangan:

Ln (TL/1-TL)

= Simbol yang menunjukkan probabilitas ketepatan waktu penyampaian laporan keuangan tahunan (timeliness)

ROA

= Profitabilitas (Return On Assets)

TDTA

= Solvabilitas (Total Debt to Total Assets)

SIZE

= Size (Total Assets)

AGE

= Age (Umur perusahaan)

e = Error

= Konstanta

= Koefisien regresi

Langkah-langkah yang digunakan dalam analisis ini adalah seperti berikut ini:

1) Mencatat tanggal upload atau publikasi laporan keuangan tahunan 1) Mencatat tanggal upload atau publikasi laporan keuangan tahunan

3) Mencatat size untuk masing-masing perusahaan yang dasar pengukurannya dari total aktiva yang dimiliki perusahaan.

4) Mencatat age untuk masing-masing perusahaan yang didasarkan

pada first issue di Bursa Efek Indonesia.

5) Data yang telah dihitung dan dicatat dikumpulkan dalam penelitian diolah kemudian dianalisis untuk pengujian hipotesis.

b. Analisis Logistic Regression (Regresi Logistik) Menurut Santoso (2012), analisis pengujian dengan regresi logistik perlu memperhatikan hal-hal sebagai berikut :

1) Menilai Kelayakan Model Regresi (Goodness of Fit)

Yang dilakukan dalam langkah menilai kelayakan model regresi adalah melihat output dari Hosmer and Lemeshow Test, dengan hipotesis:

H 0 = tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.

H 1 = ada perbedaan yang nyata antara klasifikasi yang diprediksi

dengan klasifikasi yang diamati. Dasar pengambilan keputusan yaitu dengan melihat besarnya nilai godness of fit test yang diukur dengan nilai chi-square pada bagian bawah uji Hosmer and Lemeshow: dengan klasifikasi yang diamati. Dasar pengambilan keputusan yaitu dengan melihat besarnya nilai godness of fit test yang diukur dengan nilai chi-square pada bagian bawah uji Hosmer and Lemeshow:

Hosmer and Lemeshow’s Goodness of Fit Test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak ada

perbedaan antara model dengan data sehingga model dapat dikatakan fit). Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test statistik sama dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan anatara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lemeshow’s Goodness of Fit lebih besar dari 0,05, maka hipotesis nol diterima dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya (Ghozali, 2011). Dengan diterimanya hipotesis nol berarti model regresi layak dipakai untuk analisis selanjutnya.

2) Menilai Keseluruhan Model (Overall Model Fit)

Cara untuk menilai keseluruhan model adalah dengan melihat angka -2 Log Likelihood (LL) pada awal block number = 0 dan angka -2 Log Likelihood pada block number = 1. Jika terjadi penurunan angka -2 log likelihood dalam block number 0 dibandingkan dengan angka -2 log likelihood dalam block number

1, maka dapat disimpulkan bahwa penurunan angka tersebut 1, maka dapat disimpulkan bahwa penurunan angka tersebut

3) Menguji Koefisien Regresi Pengujian koefisien regresi dilakukan dengan memperhatikan beberapa hal sebagai berikut:

a) Tingkat signifikan α yang digunakan sebesar 5%.

b) Kriteria penerimaan dan penolakan hipotesis didasarkan pada

signifikansi p-value (probabilitas value).

(1) Jika p-value (signifikasi) > α, maka hipotesis ditolak. (2) Jika p-value < α, maka hipotesis diterima.