Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya
data observasi yang sangat berbeda dengan data observasi yang lain.
3. Analisis Regresi
Dari hasil uji asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased
Estimator BLUE dan layak dilakukan analisis regresi. Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda. Berikut ini adalah hasil
pengolahan data dengan program SPSS 16.
a. Persamaan Regresi
Pengolahan data dengan menggunakan regresi linear dilakukan dalam beberapa tahapan untuk mencari hubungan antara variabel independen dan
variabel dependen, melalui pengaruh DTAR, KAP, dan GC terhadap ARL. Berikut ini adalah hasil regresi yang disajikan dalam tabel 4.8.
Universitas Sumatera Utara
Tabel 4.8 Hasil Analisis Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 84.972
7.508 11.318
.000 DTAR
70.978 32.747
.323 2.167
.035 .822
1.216 KAP
-2.420 4.258
-.080 -.568
.572 .912
1.096 GC
-1.469 4.998
-.046 -.294
.770 .759
1.317 a. Dependent Variable: ARL
Sumber : Output SPSS, diolah penulis, 2010. Berdasarkan tabel di atas diperoleh persamaan regresi sebagai berikut :
ARL = 84,972 + 70,978DTAR – 2,420KAP – 1,469GC + e Keterangan :
1 konstanta sebesar 84,972 menunjukkan bahwa apabila tidak ada variabel
independen X1, X2, X3 = 0 maka audit report lag sebesar 84,972 hari. 2
b
1
sebesar 70,978 menunjukkan bahwa setiap kenaikan DTAR sebesar 1 satuan, maka akan meningkatkan audit report lag sebesar 70,978 dengan
asumsi variabel lain tetap. Jika dihubungkan dengan rasio solvabilitas, DTAR mewakili rasio solvabilitas, maka dapat dikatakan bahwa jika solvabilitas
meningkat sebesar 1 satuan , maka akan meningkatkan audit report lag sebesar 70,978.
3 b
2
sebesar -2,240 a
Persamaan regresi estimasi KAP yang bermitra dengan ”The Big Four” 1 terhadap audit report lag.
Universitas Sumatera Utara
ARL=84,972 + 70,978DTAR – 2,240KAP – 1,469GC ARL=84,972 + 70,978DTAR – 2,2401 – 1,469GC
ARL=82,732 + 70,978DTAR - 1,469GC Artinya, apabila variabel dianggap konstan maka audit report lag pada
perusahaan yang terdaftar di BEI adalah 82,732 hari. b Persamaan regresi estimasi KAP ”Non Big Four” 0 terhadap audit report
lag. ARL=84,972 + 70,978DTAR – 2,240KAP – 1,469GC
ARL=84,972 + 70,978DTAR – 2,2400 – 1,469GC ARL=84,972 + 70,978DTAR - 1,469GC
Artinya, apabila variabel dianggap konstan maka audit report lag pada perusahaan yang memiliki KAP Non Big Four adalah 84,972 hari.
4 b
3
sebesar -1,469. a Persamaan regresi estimasi opini going concern 1 terhadap audit report
lag ARL=84,972 + 70,978DTAR – 2,240KAP – 1,469GC
ARL=84,972 + 70,978DTAR – 2,240KAP – 1,4691 ARL=83,503 + 70,978DTAR – 2,240KAP
Artinya, apabila variabel dianggap konstan maka audit report lag pada perusahaan yang menerima opini going concern adalah 83,503 hari.
b Persamaan regresi estimasi opini non going concern 0 terhadap audit report lag
ARL=84,972 + 70,978DTAR – 2,240KAP – 1,469GC
Universitas Sumatera Utara
ARL=84,972 + 70,978DTAR – 2,240KAP – 1,4690 ARL=84,972 + 70,978DTAR – 2,240KAP
Artinya, apabila variabel dianggap konstan maka audit report lag pada perusahaan yang tidak menerima opini going concern adalah 84,972 hari.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi