BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskriptif Penelitian
Penelitian ini menggunakan metode analisis statistik dengan persamaan linier berganda. Analisis dimulai dengan pengolahan data yang tersimpan di
dalam Microsoft Excel yang akan digunakan sebagai input data pada program SPSS 20.0. Pada program SPSS akan dilakukan pengujian asumsi klasik dan
pengujian regresi berganda. Proses input data terlebih dahulu dilakukan dengan memasukkan data yang ada di dalam Microsoft Excel yang berfungsi sebagai
variabel-variabel yang akan diuji dan menghasilkan output sesuai dengan metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan,
penelitian ini memiliki 14 perusahaan pertambangan yang memenuhi kriteria dan dijadikan sampel dalam penelitian dan diamati selama periode 2012-2014.
4.2. Hasil Penelitian 4.2.1. Statistik Deskriptif
Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data yang menggambarkan karakteristik sampel yang digunakan dalam penelitian
ini.Analisis ini untuk menjelaskan karakteristik sampel terutama mencakup nilai rata rata mean, nilai ekstrim yaitu nilai minimum dan nilai
maksimum, serta standar deviasi. Hasil pengujian statistik deskriptif dari variabel yang diteliti ditunjukkan pada tabel 4.1 sebagai berikut:
Universitas Sumatera Utara
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Sum
Mean Std. Deviation
ACEFEC 42
3 10
296 7.05
1.637 SIZE
42 25.72
32.04 1225.44
29.1771 1.74591
GROWTH 42
-17.37375 7.92437
-38.34603 -.9130007
3.48414296 COMPLEX
42 1
36 .86
.354 FRLT
42 68
167 4770
113.57 21.881
Valid N listwise 42
Sumber: Output SPSS. Diolah peneliti 2016.
Berdasarkan tabel 4.1 dapat dideskripsikan beberapa hal sebagai berikut. 1.
Jumlah sampel perusahaan adalah 42 perusahaan pertambangan, yaitu 14 perusahaan dikali dengan 3 tahun pengamatan penelitian.
2. Variabel independen efektivitas komite audit ACEFEC memiliki nilai
minimum 3 dan nilai maksimum sebesar 10. Rata-rata ACEFEC sebesar 7,05 dengan standar deviasi 1,637.
3. Variabel independen karakteristik perusahaan yang diproksikan ukuran
perusahaan SIZE memiliki nilai minimum 25,72 dan nilai maksimum 32,04. Rata-rata SIZE sebesar 29,1771dengan standar deviasi 1,74591.
4. Variabel independen karakteristik perusahanan diproksikan dengan
pertumbuhan perusahaan GROWTH memiliki nilai minimum sebesar - 17,37375dan nilai maksimum sebesar 7,92437. Rata-rata untuk variabel
GROWTH sebesar
-
0,9130007dengan standar deviasi sebesar 3,48414296.
Universitas Sumatera Utara
5. Variabel independen karakteristik perusahanan diproksikan dengan
kompleksitas perusahaan COMPLEX memiliki nilai minimum sebesar 0 dan nilai maksimum sebesar 1. Rata-rata untuk variabel COMPLEX
sebesar 0,86dengan standar deviasi sebesar 0,354. 6.
Variabel dependen Financial Reporting Lead Time FRLT memiliki nilai minimum sebesar 68, nilai maksimum sebesar 167, sedangkan nilai
rata-rata sebesar 113,57 dan standar deviasi sebesar 21,81 yang berarti variasi data yaitu 19,2 dari rata-rata.
4.2.2. Pengujian Asumsi Klasik
Pengujian asumsi klasik ini dimaksudkan untuk memastikan bahwa model yang diperoleh benar-benar memenuhi asumsi dasar dalam analisis
regresi.Sebelum pengujian hipotesis dilakukan, terlebih dahulu perlu dilakukan pengujian terhadap gejala penyimpangan asumsi klasik.
Pengujian asumsi klasik meliputi:
4.2.2.1
Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengetahui apakah variabel pengganggu atau variabel residual terdistribusi
normal.Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng.
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram
Sumber: Output SPSS. Diolah peneliti 2016 Pengujian normalitas data apakah terdistribusi normal atau tidak
dengan melihat grafik histogram dan saja tidak cukup, sehingga perlu dilakukan uji normalitas data dengan menggunakan analisis
statistik.Analisis statistik dapat dilakukan dengan pengujian kolmogorov smirnov.Untuk melihat apakah data terdistribusi normal
atau tidak dapat dilihat dari nilai signifikansinya. Jika nilai signifikansinya lebih besar dari 0,05 maka data terdistribusi normal.
Apabila nilai signifikansinya lebih kecil dari 0,05 maka data tidakterdistribusi normal. Pengujian tersebut dapat dilihat pada tabel
berikut ini:
Universitas Sumatera Utara
Tabel 4.2 Kolmogorov–Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 42
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 16.62898427
Most Extreme Differences Absolute
.122 Positive
.122 Negative
-.088 Kolmogorov-Smirnov Z
.792 Asymp. Sig. 2-tailed
.558 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS. Diolah peneliti 2016 Hasil uji Kolmogorov Smirnov pada tabel diatas menunjukkan
bahwa nilai signifikan atau nilai probabilitasnya sebesar 0,558. Maka dapat disimpulkan bahwa data terdistribusi normal H
diterima karena nilai signifikannya lebih besar dari 0,05 yaitu 0,558 0,05.
Pengujian normalitas data yang dilakukan dengan uji grafik dan uji statistik menunjukkan bahwa data terdistribusi normal sehingga uji
hipotesis dapat dilakukan.
4.2.2.2
Uji Heterokedastisitas
Uji heteroskedastisitas adalah uji yang dilakukan untuk melihat apakah dalam model regresi terjadi perbedaan variabel residu dari satu
pengamatan ke pengamatan lain Ghozali, 2006:105. Hasil pengujian heteroskedastisitas dapat dilihat pada gambar 4.2 berikut ini:
Universitas Sumatera Utara
Gambar 4.2 Grafik Scatterplot
Pengujian heteroskedastisitas pada gambar 4.2 menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik diatas
maupun dibawah angka 0 pada sumbu Y, sehingga dapat dikatakan tidak terjadi heteroskedastisitas dan model regresi layak dipakai untuk
mengetahui faktor-faktor yang mempengaruhi Financial Reporting Lead Time.
4.2.2.3
Uji Autokorelasi
Pengujian autokorelasi dilakukan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi antar kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1 periode sebelumnya.Jika terjadi korelasi, maka dinamalan ada
Universitas Sumatera Utara
problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.Run test
sebagai bagian dari statistic non-parametik dapat digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Hasil
pengujian autokorelasi dapat dilihat pada tabel dibawah ini:
Tabel 4.3 Runs Test
Runs Test
Unstandardized Residual
Test Value
a
-3.41937 Cases Test Value
21 Cases = Test Value
21 Total Cases
42 Number of Runs
21 Z
-.156 Asymp. Sig. 2-tailed
.876 a. Median
Sumber: Output SPSS. Diolah peneliti 2016 Berdasarkan data yang ada pada tabel 4.3, dapat dilihat
bahwa nilai Run Test adalah sebesar -3,41937 dengan probabilitas 0,876 lebih besar daripada 0,05 yang berarti dapat
disimpulkan bahwa residual random atau tidak terjadi autokorelasi antar nilai residual.
Universitas Sumatera Utara
4.2.2.4 Uji Multikolinearitas
Universitas Sumatera Utara
Uji multikolinearitas adalah uji yang dilakukan untuk mengetahui apakah pada model regresi ditemukan adanya
korelasi di antara variabel independen.Model regresi yang baik seharusnya tidak terjadi multikolinearitas di antara variabel
independen. Cara untuk mendeteksi terjadinya multikolinearitas yaitu dengan melihat nilai tolerance TOL dan variance
inflation factor VIF. Jika nilai VIF 10 dan nilai tolerance 0,1, maka dapat disimpulkan tidak terjadi multikolinearitas.
Hasil pengujian multikolinearitas pada penelitian ini adalah
sebagai berikut: Sumber: Output SPSS. Diolah peneliti 2016
Berdasarkan data olahan pada tabel 4.4, maka dapat dilihat bahwa semua variabel independen memiliki nilai VIF 10 dan
nilai tolerance 0,1. Dengan demikian, maka dapat disimpulkan
Tabel 4.4 Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
170.810 61.216
ACEFEC -8.466
2.742 -.633
.371 2.696
SIZE -.174
2.565 -.014
.373 2.684
GROWTH -.199
.789 -.032
.989 1.011
COMPLEX 8.544
7.740 .138
.995 1.005
a. Dependent Variable: FRLT
Universitas Sumatera Utara
bahwa tidak terjadi korelasi di antara variabel-variabel independen yang diuji dalam penelitian ini.
4.2.3. Pengujian Hipotesis
Pada penelitian ini peneliti melakukan pengujian hipotesis dengan menggunakan pengujian koefisien determinasi R
2
, uji signifikansi simultan Uji-F, dan uji signifikansi parsial Uji-T.
4.2.3.1 Koefisien Determinasi R
2
Koefisien determinasi R
2
menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya.Apabila nilai
R
2
semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi
variabel dependen.
Tabel 4.5 Koefisien Determinasi R
2
Sumber: Output SPSS. Diolah peneliti 2016
Hasil uji koefisien determinasi pada tabel 4.5menunjukkan nilai R sebesar 0,650 yang berarti korelasi atau hubungan antara variabel
dependen dengan variabel independen cukup kuat karena lebih besar dari 0,5 50. Sementara nilai Adjusted R
2
adalah 0,422. Hal ini berarti bahwa persentase pengaruh variabel independen terhadap harga
Model Summary
Model R
R Square Adjusted R Square Std. Error of the Estimate 1
.650
a
.422 .360
17.505 a. Predictors: Constant, COMPLEX, SIZE, GROWTH, ACEFEC
Universitas Sumatera Utara
saham sebesar 42,2 sedangkan sisanya yaitu 57,8 adalah pengaruh lain yang tidak dijelaskan dalam penelitian ini.
4.2.3.2 Uji Simultan Uji-F
Untuk melihat pengaruh secara simultan dari variabel independen dapat dilihat dengan menggunakan uji-F, yaitu apakah
ACEFEC, SIZE, GROWTH,COMPLEX berpengaruh signifikan secara simultan terhadap FRLT dengan melihat apakah F hitung F
tabel atau F hitung F tabel dimana tingkat signifikansinya yaitu 0,05.
Tabel 4.6 Uji Signifikansi Simultann Uji-F
Sumber: Output SPSS. Diolah peneliti 2016 Diperoleh hasil F hitung 6,766 F tabel 2,09 dan nilai
signifikansinya 0,00 0,05, maka Ha yang diajukan dapat diterima, artinya Efektivitas Komite Audit, Karakteristik Perusahaan Ukuran
Perusahaan, Pertumbuhan Perusahaan, Kompleksitas Operasi berpengaruh signifikan secara simultan terhadap Financial reporting
Lead Time.
ANOVA
a
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
8292.838 4
2073.209 6.766
.000
b
Residual 11337.448
37 306.418
Total 19630.286
41 a. Dependent Variable: FRLT
b. Predictors: Constant, COMPLEX, SIZE, GROWTH, ACEFEC
Universitas Sumatera Utara
4.2.3.3 Uji Parsial Uji-T
Untuk melihat pengaruh secara parsial dari masing-masing variabel independen dapat dilihat dengan menggunakan uji-t , yaitu
apakah ACEFEC,Karakteristik perusahaan diproksikan dengan SIZE, GROWTH dan COMPLEX berpengaruh signifikan secara parsial
terhadap FRLT dengan melihat apakah t hitung t tabel atau t hitung t tabel dimana tingkat signifikasinya yaitu 0,05.
Tabel 4.7 Uji Signifikansi Parsial Uji-t
.
Sumber: Output SPSS. Diolah peneliti 2016 T tabel dalam penelitian ini adalah sebesar 1,68195. Dari
hasil Uji Signifikan Parsial t di atas dapat dijelaskan pengaruh variabel independen secara parsial, yaitu:
1. Variabel Efektivitas Komite Audit ACEFEC mempunyai
nilai t-hitung sebesar -3,088 dan nilai t-tabel sebesar sehingga t-hitung t-tabel 3,088 1,68195 dan memiliki nilai
signifikan 0,004 0,05. Hal ini berarti Efektivitas komite
Coefficients
a
Model Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 170.810
61.216 2.790 .008
ACEFEC -8.466
2.742 -.633 -3.088 .004
SIZE -.174
2.565 -.014
-.068 .946 GROWTH
-.199 .789
-.032 -.252 .802
COMPLEX 8.544
7.740 .138 1.104 .277
a. Dependent Variable: FRLT
Universitas Sumatera Utara
auditsecara parsial berpengaruh negatif signifikan terhadap Financial Reporting Lead Time.
2. Variabel Ukuran Perusahaan SIZE mempunyai nilai t-hitung
sebesar-0.068dan nilai t-tabel sebesar sehingga t-hitung t- tabel 0,068 1,68195 dan memiliki nilai signifikan 0,946
0,05. Hal ini berarti Ukuran PerusahaanSizesecara
parsialtidak berpengaruh terhadap Financial Reporting Lead Time.
3. Variabel Pertumbuhan Perusahaan GROWTH mempunyai
nilai t-hitung sebesar -0,252 dan nilai t-tabel sebesar sehingga t-hitung t-tabel 0,252 1,68195 dan memiliki nilai
signifikan 0,802 0,05 Hal ini berarti Pertumbuhan PerusahaanGROWTHsecara parsialtidak
berpengaruh terhadap Financial Reporting Lead Time.
4. Variabel Kompleksitas Operasi Perusahaan COMPLEX
mempunyai nilai t-hitung sebesar-0.068dan nilai t-tabel sebesar sehingga t-hitung t-tabel 0,068 1,68195 dan
memiliki nilai tidak signifikan 0,946 0,05. Hal ini berarti Kompleksitas Operasi PerusahaanCOMPLEXsecara
parsialtidak berpengaruh terhadap Financial Reporting Lead Time..
Dari hasil pengujian pada Tabel 4.7 diatas dapat diperoleh model persamaan regresi linier berganda, yaitu :
Universitas Sumatera Utara
Y = 170,810 -8,466X
1
- 0,174X
2
-0,199X
3
+ 8,540X
4
+ e Model persamaan regresi linier berganda diatas dapat
diinterpretasikan sebagai berikut : 1.
Koefisien konstanta sebesar 170,810 menunjukkan apabila variabel independen bernilai tetap atau 0, maka jarak hari
pelaporan keuangan dengan tanggal tutup buku ialah 170 hari. 2.
X
1
adalah Efektivitas Komite Audit ACEFEC memiliki nilai koefisien sebesar -8,466 menunjukkan bahwa setiap kenaikan
satu satuan variabel ACEFEC menyebabkan jarak hari pelaporan keuangan dengan tanggal tutup buku akan berkurang
8 hari dengan asumsi variabel lainnya tetap atau sama dengan nol.
3. X
2
adalah Ukuran PerusahaanSIZE memiliki nilai koefisien sebesar -0,174 menunjukkan bahwa setiap kenaikan satu
satuan variabel SIZE menyebabkan jarak hari pelaporan keuangan dengan tanggal tutup buku akan berkurang 0,1 hari
dengan asumsi variabel lainnya tetap atau sama dengan nol. 4.
X
3
adalah Pertumbuhan Perusahaan GROWTH memiliki nilai koefisien sebesar -0,199 menunjukkan bahwa setiap kenaikan
satu satuan GROWTH menyebabkan jarak hari pelaporan keuangan dengan tanggal tutup buku akan berkurang sebesar
0,199 dengan asumsi variabel lainnya tetap atau sama dengan nol.
Universitas Sumatera Utara
5. X
4
adalah Kompleksitas Operasi Perusahaan COMPLEX memiliki nilai koefisien sebesar 8,540 menunjukkan bahwa
setiap kenaikan satu satuan GROWTH menyebabkan jarak hari pelaporan keuangan dengan tanggal tutup buku akan
meningkat 8hari dengan asumsi variabel lainnya tetap atau sama dengan nol.
4.3 Pembahasan Hasil Penelitian
Hasil uji statistik F yang dilakukan, menunjukkan bahwa variabel Efektivitas Komite Audit, Karakteristik Perusahaan diproksikan dengan ukuran
perusahaan, pertumbuhan perusahaan, kompleksitas operasi perusahaan berpengaruh signifikan secara simultan terhadap Financial Reporting Lead Time
pada perusahaan pertambangan yang terdaftar di BEI tahun 2012-2014. Pada pengujian statistik uji t, secara parsial profitabilitas berpengaruh
signifikan terhadap harga saham. Pembahasan pengaruh masing-masing variabel independen terhadap variabel dependen secara parsial dijelaskan sebagai berikut:
a. Pengaruh Efektivitas Komite Audit Terhadap Financial Reporting
Lead Time
Hasil pengujian signifikan parsial t-test menunjukkan bahwa t-hitung t tabel yaitu 3,088 1,68195 dan nilai signifikan ACEFEC lebih kecil dari
0,05 yaitu 0,004 0,05, berarti efektivitas komite audit berpengaruh negatif signifikan secara parsial terhadap Financial Reporting Lead Time . Hasil
penelitian ini sejalan dengan penelitian Ika dan Ghazali 2012, Yaputro
Universitas Sumatera Utara
2012 menyatakan bahwa keefektifan komite audit berpengaruh negatif terhadap financial reporting lead time yang merupakan proksi dari
ketepatan waktu pelaporan.. Hal ini sesuai dengan Agency theory, Komite audit yang efektif dapat mendorong manajemen untuk menerbitkan laporan
keuangan secara tepat waktu. Pelaporan keuangan yang tepat waktu dapat menyediakan informasi sesegera mungkin bagi principal yang dapat
mencegah timbulnya asimetri informasi.
b. Pengaruh Pengaruh Ukuran Perusahaan Terhadap Financial Reporting Lead Tim
Kategori