F. Metode Analisis Data
1. Model Penelitian
Model Penelitian ini akan dijabarkan dalam suatu persamaan regresi, dengan metode analisis regresi linier berganda multiple linear regression
method. Metode tersebut adalah :
TIME = +
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
+ i
Keterangan : Time
= Ketepatan waktu penyampaian pelaporan dummy; 0 = tidak tepat waktu dan 1 = tepat waktu
= Konstanta
1
–
7
= Koefisien
Regresi X
1
= Rasio gearing X
2
= Profit X
3
= Size
X
4
= Age
X
5
= Raud
i
= Variabel gangguan Model tersebut diaplikasikan pada SPSS 15 dengan menggunakan metode
stepwise. Dengan metode ini variabel independen yang muncul dalam persamaan regresi adalah variabel yang berpengaruh secara signifikan.
Pamor Mentari AR : Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu Publikasi Laporan…, 2007 USU Repository © 2009
2. Uji Asumsi
Klasik 2.1 Normalitas
Budi 2005:231 memberikan pengertian terhadap pengujian normalitas sebagai pengujian tentang kenormalan distribusi data. Penggunaan uji normalitas
adalah kerena pada analisis statistik parametrik, asumsi yang harus dimiliki oleh data bahwa data tersebut terdistribusi secara normal.Data yang mempunyai
distribusi yang normal berarti mempunyai sebaran yang normal pula.Dengan profil data semacam ini maka data tersebut dianggap bisa mewakili populasi.
Uji normalitas dalam penelitian ini dilakukan dengan menggunakan uji Kolomogrov-Smirnov, dimana apabila nilai Sig. atau Signifikan atau probabilitas
0,05, maka distribusi data adalah tidak normal. Selain itu, kita juga akan melihat grafik histogram dam grafik PP Plots dari data yang dimaksud untuk menguji
kenormalan data. Apabila data terdistribusi tidak normal, maka akan dilakukan treatment agar data normal.
2.2 Multikolineritas
Santoso 2002:203 menyatakan bahwa: Multikolinearitas adalah situasi adanya korelasi variabel-variabel
independen antara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel-variabel bebas ini tidak ortogonal. Variabel-variabel bebas yang
bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelasi sempurna diantara variabel
bebas, maka konsekuensinya adalah : 1 koefisien-koefisien regresi menjadi tidak
Pamor Mentari AR : Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu Publikasi Laporan…, 2007 USU Repository © 2009
dapat ditaksir; 2 nilai standar error setiap koefesien regresi menjadi tak terhingga. Pengujian ini bermaksud untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka
dinamakan terdapat problem multikolinearitas.
Uji multikolineritas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu
model. Kemiripan antar variabel independen dalam suatu model akan menyebabkan terjadinya korelasi yang sangat kuat antara suatu variabel
independen dengan variabel independen lain. Selain itu, deteksi terhadap multikolineritas juga bertujuan untuk menghindari kebiasaan dalam proses
pengambilan kesimpulan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen.
Deteksi Multikolineritas pada suatu model dapat dilihat dari beberapa hal,antara lain :
a. Jika nilai Variace Inflation Factor VIF tidak lebih dari 10 dan nilai
tolerance tidak kurang dari 0.1, maka model dapat dikatakan terbebas dari multikolineritas VIF = 1 Tolerance, jika VIF = 10 maka
Tolerance = 110= 0.1. Semakin tinggi VIF maka semakin rendah Tolerance.
b. Jika nilai koefesian antar masing-masing variabel independen kurang dari 0.70, maka madel dapat dinyatakan bebas dari asumsi klasik
multikolineritas. Jika lebih dari 0.7 maka diasumsikan terjadi korelasi
Pamor Mentari AR : Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu Publikasi Laporan…, 2007 USU Repository © 2009
yang sangat kuat antar variabel independen sehingga terjadi multikolineritas.
c. Jika nilai koefesien determinan, baik dilihat dari R
2
maupun R-Squre diatas 0.50 namun tidak ada variabel independen yang berpengaruh
terhadap variabel dependen, maka ditengarai model terkena multikolineritas.
2.3 Autokorelasi
Ghozali 2005:95 menyatakan bahwa : Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul
karena residual kesalahan penganggu tidka bebas dari suatu obsevasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series
karena “gangguan” pada seseorang individukelompok cenderung mempengaruhi “gangguan” pada individu atau kelompok yang sama pada periode berikutnya.
Untuk mengetahui apakah data yang kita miliki terjadi autokorelasi atau tidak, kita menggunakan uji Durbin-Watson DW test. Ghozali 2005:96
memberikan pedoman dalam pengambilan keputusan ada tidaknya autokorelasi sebagai berikut :
a. apabila nilai Durbin-Watson DW terletak antara 0 dan batas bawah atau Lower Bound DL berarti ada autokorelasi positif.
Pamor Mentari AR : Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu Publikasi Laporan…, 2007 USU Repository © 2009
b. Apabila nilai DW terletak antar DL dan batas atas atau Upper Bound DU berarti kita tidak dapat memutuskan apakah terjadi autokorelasi positif
atau tidak. c. Apabila nilai DW terletak antara 4-DL dan 4, berarti ada autokorelasi
negatif. d. Apabila nilai DW terlatak antara 4-DU dan 4-DL, berarti kita tidak dapat
memutuskan apakah terjadi autokorelasi negatif atau tidak. Apabila nilai Durbin Watson DW terletak diantara batas atas atau upper
bound DU dan 4-DU, maka koefesien autokorelasi sama dengan nol, berarti
tidak ada autokorelasi baik posif maupun negatif. Menguji autokorelasi dalam
suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara variabel penggangu e
t
pada periode tertentu dengan variabel penggangu periode sebelumnya e
t-1
. Autokorelasi sering terjadi pada sampel dengan data time series dengan n-sampel adalah periode waktu. Sedangkan untuk sampel data crossection
dengan n-sampel item seperti perusahaan, orang, wilayah, dan lain sebagainya jarang terjadi, karena variabel pengganggu item sampel yang satu berbeda dengan
yang lain.
Pamor Mentari AR : Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu Publikasi Laporan…, 2007 USU Repository © 2009
2.4 Heteroskesdastisitas
Budi 2005:242 menyatakan bahwa: Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians
dari residual tidak sama untuk satu pengamatan ke pengamatan yang lain. Dalam regresi, salah satu asumsi yang dipenuhi adalah bahwa varians dan residual dari
suatu pengamatan ke pengamatan yang lain tidak memiliki pola tertentu. Pola yang tidak sama ini ditunjukkan dengan nilai yang tidak sama antar satu varians
dari residual. Gejala varians yang tidak sama ini disebut dengan gejala heteroskedastisitas, sedangkan adanya gejala varians residual yang sama dari
satu pengamatan kepengamatan yang lain disebut dengan homokedastisitas ini
adalah dengan melihat penyebaran varians residual.
Heteroskesdastisitas menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain, atau gambaran hubungan
antara nilai yang diprediksi dengan Studentized Delete Residual nilai tersebut sehingga dapat dikatakan model tersebut homokesdastisitas. Cara memprediksi
ada tidaknya Heterokesdastisitas pada suatu model adalah menggunakan spearman rank correlation. Dengan menggunakan program SPSS 15 dapat
dketahui korelasi variabel independen dengan nilai residual Res-1. Apabila nilai korelasi variabel independen dalam model dengan nilai
residu kurang dari 0,7 maka tidak terjadi heteroskedastisitas. Hal ini dapat pula diihat dari nilai signifikan t masing-masing variabel independen dalam model
diatas nilai alfa yang ditetapkan maka tidak terjadi heteroskedastisitas.
Pamor Mentari AR : Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu Publikasi Laporan…, 2007 USU Repository © 2009
3. Pengujian Hipotesis
Pengujian hipotesis penelitian ini dilakukan dengan meregresi variabel dependen dengan variabel independen, sehingga didapat koefisien regresi yang
layak sebagai regresor berdasarkan nilai t. sedangkan untuk menentukan tingkat signifikansi secara keseluruhan variabel independen terhadap variabel dependen
dilakukan dengan menggunakan uji F. semua perhitungan dalam model regresi ini dilakukan dengan bantuan program SPSS 15. kemudian dianalisis dengan cara
a. Melihat t-hitung, dibandingkan dengan t-tabel, dengan tingkat signifikansi
α sebesar 5 dengan df = nk, jika : 1. -t-tabel
≤ t-hitung ≤ t-tabel, maka Ho diterima 2. t-hitung -t-tabel atau t-hitung t-tabel, maka Ho ditolak
Formula yang digunakan sebagai berikut : Ha diterima apabila Asymp. Sig 2-tailed 0,05
• t = 1 – 1 se 1
Dengan kriteria : H1 diterima jika t t-tabel
t ≠ 0
Gujarati, 1999 : 74
b. Menganalisis F-hitung, dibandingkan dengan F-tabel, dengan tingkat signifikansi
α sebesar 5 dengan df = k-1nk, jika : 1. F-hitung
≤ F-tabel, maka Ho diterima. 2. F-hitung
≥ F-tabel, maka Ho ditolak.
Pamor Mentari AR : Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu Publikasi Laporan…, 2007 USU Repository © 2009
Formula yang digunakan untuk F hitung adalah :
• F = R
2
2 1- R
2
N-3
Gujarati, 1999:121
G. Tempat dan Jadwal Penelitian.
Penelitian ini dilakukan pada Lembaga keuangan yang terdaftar di Bursa Efek Indonesia. Jadwal penelitian dimulai dari bulan Juli sd selesai
Pamor Mentari AR : Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu Publikasi Laporan…, 2007 USU Repository © 2009