BAB IV ANALISIS HASIL PENELITIAN
A. Data 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 pengujian asumsi klasik dan pengujian menggunakan regresi logistik. Pengujian asumsi klasik dan regresi logistik digunakan dengan menggunakan
software SPSS versi 16. Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai
metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, diperoleh 15 perusahaan yang
memenuhi kriteria dan dijadikan sampel dalam penelitian dan diamati selama periode 2006-2008.
Tabel 4.1 Sampel Penelitian
No. Nama Perusahaan
Kode
1. PT Astra Agro Lestari Tbk
AALI 2.
PT Bakrie Sumatera Plantations Tbk UNSP
3. PT PP London Sumatera Tbk
LSIP 4.
PT SMART Tbk SMAR
5. PT Tunas Baru Lampung Tbk
TBLA 6.
PT Cipendawa Agro Industri Tbk CPDW
7. PT Multibreeder Adirama ndonesia Tbk
MBAI 8.
PT Dharma Samudra Finishing Indonesia Tbk DSFI 9.
PT Inti Kapuas Arowana Tbk IIKP
10. PT Bumi Teknokultura Unggul Tbk
BTEK 11.
PT Tambang Batubara Bukitasam Tbk PTBA
12. PT Energi Mega Persada Tbk
ENRG 13.
PT Aneka Tambang Tbk ANTM
Universitas Sumatera Utara
14. PT Timah Tbk
TINS 15.
PT Citatah Industri Marmer Tbk CTTH
B. Analisis Hasil Penelitian
1. Uji Data
a. Uji Asumsi Klasik
1 Uji Multikolonieritas Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi
yang kuat antara variabel bebasnya. Multikolonieritas adalah situasi adanya korelasi antar variabel-variabel independen yang satu dengan yang
lainnya, dalam hal ini kita sebut variabel-variabel ini tidak ortogonal. Variabel-variabel yang bersifat ortogonal adalah variabel yang memiliki
nilai korelasi diantaranya sama dengan nol. Dalam penelitian ini jejak multikolonieritas dapat dilihat dari nilai korelasi antar variabel yang
terdapat dalam matriks korelasi. Hasil uji gejala multikolonieritas disajikan pada tabel 4.2 berikut ini.
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji Multikolonieritas
Const ant
LR CR SIZE AGE KAP ARL
Step 1
Const ant
1.000 -.134 -.254 -.421 -.360 .495 -.926 LR
-.134 1.000 .269 -.267 -.007 -.032 -.100 CR
-.254 .269 1.000 .016 .231 -.037 .095 SIZE
-.421 -.267 .016 1.000 -.219 -.593 .519 AGE
-.360 -.007 .231 -.219 1.000 -.022 .121 KAP
.495 -.032 -.037 -.593 -.022 1.000 -.547 ARL -.926 -.100 .095 .519 .121 -.547 1.000
Sumber : Hasil Pengolahan Data Dari hasil pengujian dapat disimpulkan bahwa tidak terdapat gejala
multikolonieritas antar variabel independen. Gejala multikolonieritas terjadi apabila nilai korelasi antar variabel independen lebih besar dari
0.90. Matriks korelasi di atas memperlihatkan bahwa korelasi antar variabel independen yang paling besar 0.593 atau lebih kecil dari 0.90.
Berdasarkan hasil ini, dapat disimpulkan bahwa variabel laba rugi bersih, likuiditas, ukuran perusahaan, umur perusahaan, reputasi Kantor Akuntan
Publik, dan audit report lag lolos uji gejala multikolonieritas. 2. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi 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
Universitas Sumatera Utara
observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas
dari satu observasi ke observasi lainnya. Run test digunakan untuk menguji ada tidaknya gejala autokorelasi pada penelitian ini, bila hasil
output SPSS menunjukkan probabilitas signifikansi di bawah 0.05 disimpulkan terdapat gejala autokorelasi pada model regresi tersebut. Run
test digunakan untuk melihat apakah data residual terjadi secara random atau tidak. Ghozali 2005:103.
H : residual res_1 random acak
H
1
: residual res_1 tidak random.
Tabel 4.3 Hasil Uji Autokorelasi
Runs Test
Difference between observed
and predicted probabilities
Test Value
a
.01880 Cases Test Value
22 Cases = Test Value
23 Total Cases
45 Number of Runs
19 Z
-1.204 Asymp. Sig. 2-
tailed .229
Sumber : Hasil Pengolahan Data
Hasil output SPSS menunjukkan bahwa nilai test adalah 0.01880 dengan probabilitas 0.229 tidak signifikan pada 0.05 yang berarti hipotesis nol
diterima, sehingga dapat disimpulkan bahwa residual random atau tidak terjadi autokorelasi antar nilai residual.
Universitas Sumatera Utara
b. Menguji Model Fit Overall Model Fit Test 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 melalui tabel berikut ini.
Tabel 4.4 Nilai -2 Log Likelihood -2 LL awal
Iteration History
a,b,c
Iteration -2 Log
likelihood Coefficients
Constant Step 0
1 61.290
.311 2
61.290 .314
3 61.290
.314
Sumber : Hasil Pengolahan Data
Nilai -2 log likelihood akhir pada block number = 1, dapat ditunjukkan
melalui 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
Constan t
LR CR
SIZE AGE
KAP ARL
Step 1 1 43.591
4.324 -.621
-.005 .000
-.044 1.831 -.050
2 40.461
7.160 -.523
-.006 .000
-.062 2.929 -.087
3 40.120
8.399 -.518
-.007 .000
-.069 3.471 -.103
4 40.114
8.577 -.521
-.007 .000
-.070 3.555 -.106
5 40.114
8.580 -.521
-.007 .000
-.070 3.556 -.106
6 40.114
8.580 -.521
-.007 .000
-.070 3.556 -.106
Sumber : Hasil Pengolahan Data
Universitas Sumatera Utara
Dari tabel 4.4 dan tabel 4.5 dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan konstanta yang
dapat dilihat pada step 2, memperoleh nilai sebesar 61.290. Kemudian pada tabel selanjutnya dapat dilihat nilai -2 LL akhir dengan block number = 1
nilai -2 log likelihood pada tabel 4.4 mengalami perubahan setelah masuknya beberapa variabel independen pada model penelitian, akibatnya nilai -2 LL
akhir pada step 6 menunjukkan nilai 40.114. Adanya pengurangan nilai antara -2LL awal initial -2LL function dengan
nilai -2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali,2005. Penurunan nilai -2 log
likelihood menunjukkan bahwa model penelitian ini dinyatakan fit, artinya penambahan-penambahan variabel bebas yaitu laba rugi, likuiditas, ukuran
perusahaan, umur perusahaan, reputasi Kantor Akuntan Publik, dan audit report lag ke dalam model penelitian akan memperbaiki model fit penelitian
ini. c. 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 lemeshow.
Tabel 4.6 Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 3.333
7 .853
Sumber : Hasil pengolahan data
Universitas Sumatera Utara
Hasil pengujian statistik menunjukkan probabilitas signifikansi menunjukkan angka 0.853 nilai signifikansi yang diperoleh lebih besar dari
0.05 maka Ho tidak dapat ditolak diterima. 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.
Tabel 4.7 Contingency Table for Hosmer and Lemeshow Test
TMLN = 0 TMLN = 1
Total Observed Expected Observed Expected
Step 1 1 5
4.559 .441
5 2
4 4.140
1 .860
5 3
3 3.504
2 1.496
5 4
3 2.515
2 2.485
5 5
1 1.716
4 3.284
5 6
1 1.375
4 3.625
5 7
1 .823
4 4.177
5 8
1 .305
4 4.695
5 9
.063 5
4.937 5
Sumber : Hasil Pengolahan Data
Dari tabel kontijensi untuk uji hosmer and lemeshow, dapat dilihat bahwa dari sembilan langkah pengamatan untuk pelaporan keuangan dengan tepat
waktu 1 maupun tidak tepat waktu 0, nilai yang diamati maupun nilai yang diprediksi, tidak mempunyai perbedaan yang terlalu ekstrim. Ini
menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya.
Universitas Sumatera Utara
2. Hasil Pengujian Hipotesis
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh dari
variabel-variabel bebas terhadap opini audit. Pengujian dengan regresi logistik ditunjukkan dalam tabel-tabel berikut ini.
Tabel 4.8 Ikhtisar Pengolahan Data
Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis 45
100.0 Missing Cases
.0 Total
45 100.0
Unselected Cases .0
Total 45
100.0
Sumber : Hasil Pengolahan Data Berdasarkan tabel 4.8 di atas dapat diambil analisis sebagai berikut :
a. jumlah sampel pengamatan sebanyak 45 sampel, dan seluruh sampel telah
diperhitungkan ke dalam pengujian hipotesis; b.
tidak ada variabel dependen yang dikeluarkan dengan nilai dummy variabel. Variabel dependen bernilai 0 untuk tidak tepat waktu dan bernilai
1 untuk tepat waktu; c.
metode yang digunakan untuk memasukkan data adalah metode enter di mana apabila menggunakan metode ini seluruh variabel bebas
independen disertakan dalam pengolahan analisis data untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
Universitas Sumatera Utara
Selanjutnya variabilitas antara variabel dependen dengan variabel independen dapat dilihat pada tabel 4.9 berikut ini.
Tabel 4.9 Model Summary
Step -2 Log
likelihood Cox Snell R
Square Nagelkerke R
Square 1
40.114
a
.375 .505
Sumber : Hasil Pengolahan Data Berdasarkan tabel 4.9 di atas, maka dapat dilihat bahwa hasil analisis regresi
logistik secara keseluruhan menunjukkan nilai Cox Snell R Square sebesar 0.375. 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.
Nagelerke’s R square merupakan modifikasi dari koefisien Cox dan Snell. Untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu hal ini
dilakukan dengan cara membagi nilai Cox dan Snell’s R square dengan nilai maksimumnya. Nilai Nagelerke R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Dilihat dari hasil output pengolahan data nilai Nagalerke R
Square adalah sebesar 0.505 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 50.5 , sisanya sebesar
49.5 dijelaskan oleh variabel-variabel lain di luar model.
Universitas Sumatera Utara
a. Matriks Klasifikasi Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi
untuk memprediksi kemungkinan ketepatan waktu pelaporan keuangan pada perusahaan.
Tabel 4.10 Matrik Klasifikasi
Observed Predicted
TMLN Percentage
Correct 1
Step 1 TMLN 0 14
5 73.7
1 3
23 88.5
Overall Percentage 82.2
Sumber : Hasil Pengolahan Data
Tabel 4.10 menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan pelaporan keuangan yang tepat waktu sebesar 88.5.
Hal ini berarti bahwa dengan menggunakan model regresi yang digunakan ada 14 perusahaan yang diprediksi akan tepat waktu dari 17 perusahaan yang tepat
waktu. Kekuatan prediksi model untuk pelaporan keuangan tidak tepat waktu adalah sebesar 73.7 yang berarti bahwa dengan model regresi yang diajukan ada
23 auditee 73.7 yang diprediksi akan melaksanakan pelaporan keuangan tidak tepat waktu dari total 28 perusahaan yang melaksanakan pelaporan keuangan
tidak tepat waktu.
Universitas Sumatera Utara
b. Menguji Koefisien Regresi Tabel 4.11 menunjukkan hasil pengujian dengan regresi logistik.
Tabel 4.11 Hasil Uji Koefisien Regresi
B S.E.
Wald df
Sig. ExpB
95.0 C.I.for EXPB
Lower Upper
Step 1
a
LR -.521
1.040 .251
1 .616
.594 .077
4.562 CR
-.007 .007
.866 1
.352 .993
.979 1.007
SIZE .000
.000 1.612
1 .204
1.000 1.000
1.000 AGE
-.070 .092
.570 1
.450 .933
.779 1.118
KAP 3.556
1.313 7.341
1 .007
35.034 2.674 458.969
ARL -.106
.038 7.524
1 .006
.900 .834
.970 Constant
8.580 3.072
7.799 1
.005 5.327E3
Sumber : Hasil pengolahan data
Dari pengujian persamaan regresi logistik diatas maka diperoleh model regresi logistik sebagai berikut :
T = 8.580 - 0.521 LR - 0.007 CR + 0.000 S - 0.070 A + 3.556 KAP - 0.106 ARL Konstanta sebesar 8.580 menyatakan bahwa jika tidak memperhitungkan nilai
laba rugi, likuiditas, ukuran perusahaan, umur perusahaan, reputasi Kantor Akuntan Publik, dan audit report lag, maka kemungkinan ketepatan waktu
pelaporan keuangan adalah sebesar 8.580.
C. Pembahasan Hasil Penelitian