BAB IV. ANALISIS DATA DAN PEMBAHASAN
4.1 Gambaran Umum Penelitian
4.2.1 Analisis Data
1. Hasil Analisis Statistik Dekriptif
Uji statistik deskriptif dalam penelitian ini digunakan untuk melihat nilai minimum, maksimum, mean dan standart deviasi dari masing-masing variabel, adapun hasil dari uji statistik deskriptif sebagai berikut:
Tabel 4.3
Analisis statistik deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
KW 50 ,00 1,00 ,9400 ,23990 OWN 50 ,02 1,43 ,3406 ,22974 DER 50 ,16 7,22 ,9846 1,23087 ROA 50 -,10 ,38 ,0661 ,10158 RA 50 ,00 1,00 ,5200 ,50467 CR 50 ,18 6,77 2,3555 1,65414 Valid N (listwise) 50
Sumber : hasil pengolahan data dengan SPSS, 2018 Tabel 4.4
Analisis Statistik Frekuensi KW
Frequency Percent Valid Percent
Cumulative Percent Valid ,00 3 6,0 6,0 6,0 1,00 47 94,0 94,0 100,0 Total 50 100,0 100,0 RA
Frequency Percent Valid Percent
Cumulative Percent
Valid ,00 24 48,0 48,0 48,0
1,00 26 52,0 52,0 100,0
Total 50 100,0 100,0
Ketepatan waktu yang diproksikan dengan variabel dummy memiliki nilai 0 dengan nilai maksimal 1, sedangkan nilai rata-rata sebesar 94% dengan standar deviasi 24%. Hal ini berarti 94% dari keseluruhan sampel sub perusahaan tambang yaitu 47 perusahaan tepat waktu dan 3 sisanya tidak tepat waktu dalam penyampaian laporan keuangan.
Struktur kepemilikan yang diproksikan dengan Ownership Struktur (OWN) memiliki nilai minimum 2% yang dimilik oleh PTBA (Bukti Asam TBk) tahun 2016 dan nilai maksimum 143% yang dimiliki oleh KKGI (Recource Alam Indonesia Tbk) tahun 2017 dengan nilai rata-rata 34,06% dan nilai standar deviasi 22,97%.
Leverage yang diproksikan dengan Debt to Equity Ratio (DER)
memperoleh nilai minimum 16% yang dimiliki oleh HRUM (Harum Energy Tbk) tahun 2016-2017, sedangkan nilai maksimum 722% yang dimiliki oleh ARII (Atlas Resource Tbk) tahun 2017. Dengan nilai rata-rata 98,46% dan standar deviasi 123,1%.
Profitabilitas yang diproksikan dengan Retrun On Asset (ROA) memperoleh nilai minimum -10% yang dimiliki oleh INCO (Vale Indonesia Tbk) tahun 2017, sedangkan nilai maksimum 38% yang dimiliki oleh BYAN (Bayan Resource Tbk) tahun 2017, dengan nilai rata-rata 66,1% dan standar deviasi 10,16%.
Reputasi audit yang diproksikan dengan variabel dummy memperoleh nilai minimum 0 dan nilai maksimum 1, sedangkan nilai rata-rata 52% dan standar deviasi 50,47% dari total data 50 sampel diperoleh hasil sebanyak 26 sampel audit
oleh kantor akuntan publik (KAP) dengan reputasi baik yang diproksikan dengan KAP big four, sedangkan sebanyak 24 perusahaan diaudit oleh KAP non big
four.
Likuiditas yang diproksikan dengan Current Ratio (CR) memperoleh nilai minimum 18% yang dimiliki oleh ARII (Atlas Resource Tbk) tahun 2016, sedangkan nilai maksimum 677% yang dimiliki oleh BISI (BISI Internasional Tbk) tahun 2016, dengan nilai rata-rata 23,6% dan standar deviasi 165,4%.
2. Menguji Kelayakan Model Regresi
Pengujian kelayakan regresi logistik dilakukan dengan menggunakan
Goodness of fit test yang diukur dengan nilai signifikasi pada bagian Hosmerand
Lameshow.
Table 4.5 Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 ,849 8 ,999
Sumber: Hasil pengolahan data dengan SPSS, 2018.
Tabel 4.5 menunjukkan hasil pengujian Hosmer and Lameshow dengan probabilitas signifikasi menunjukkan angka 0,999 nilai signifikansi yang diperoleh ini jauh lebih besar dari pada 0.05 (α = 5%). 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 atau dapat dikatakan bahwa model mampu memprediksi nilai observasinya.
3. Menguji Model Fit
Menguji keseluruhan model (overall model fit) dilakukan dengan membandingkan nilai antara -2 Log Likelihood (-2LL) pada awal (Block Number = 0) dengan nilai -2 Log Likelihood (-2LL) pada akhir (Block Number =1). 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, 2013.
Tabel 4.6
Pengujian -2Log Likelihood
Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients Constant Step 0 1 26,435 1,760 2 22,971 2,453 3 22,700 2,716 4 22,697 2,751 5 22,697 2,752
a. Constant is included in the model. b. Initial -2 Log Likelihood: 22,697
c. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Sumber : hasil pengolahan data dengan SPSS, 2018
Dalam table 4.6, nilai -2Log Likelihood pada block = 0 yang hanya memasukan konstan yaitu sebesar 22,697. Sementara itu, nilai -2Log Likelihood pada block = 1 yang memasukan konstan dan variabel independen turun menjadi 15,326. Penurunan nilai -2 Log Likelihood ini dapat diartikan bahwa penambahan variabel bebas ke dalam model dapat memperbaiki fit serta menunjukkan model
regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
4. Koefisien Determinasi
Table 4.7 Model Summary
Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 15,326a ,137 ,376
a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
Sumber : hasil pengolahan data dengan SPSS, 2018
Tabel 4.7 menunjukkan nilaiCox & Snell R Square 0,082 dan Nagelkerke
R Square adalah sebesar 0,376 yang berarti secara bersama-sama variasi variabel
struktur kepemilikan (X1), leverage (X2), profitabilitas (X3), reputasi auditor (X4) dan likuiditas (X5) dapat menjelaskan variasi variabel ketepatan waktu pelaporan sebesar 37,6%.
5. Matrik Klasifikasi
Matrik klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan ketapatan waktu pelaporan.
Table 4.8
Classification Tablea,b
Observed Predicted KW Percentage Correct ,00 1,00 Step 0 KW ,00 0 3 ,0 1,00 0 47 100,0 Overall Percentage 94,0
b. The cut value is ,500
Sumber : hasil pengolahan data dengan SPSS, 2018
Dari tabel 4.8 dapat dibaca bahwa menurut prediksi, perusahaan yang tepat waktu dalam menyampaikan laporan keuangan ke publik adalah 47, dari 50 sampel bisa diprediksi 94% laporan keuangan tepat waktu dan 3 diataranya tidak tepat waktu dalam penyampaian laporan keuangan.
Dengan demikian, secara keseluruhan berarti 94% data diprediksi dengan tepat oleh model regresi logistic ini. Tingginya presentase ketepatan pada table tersebut mendukung tidak adanya perbedaan data pada hasil prediksi dan data observasinya yang menunjukan regresi logistic yang baik Qosim, 2015.
6. Pengujian Hasil Hipotesis
Pengujian hipotesis menggunakan model regresi logistik. Regresi logistic digunakan untuk menguji pengaruh struktur kepemilikan, leverage, profitabilitas, reputasi auditor dan likuiditas terhadap ketepatan waktu pelaporan keuangan dengan menggunakan hasil uji regresi yang ditunjukkan dalam variabel in the
equation. Dalam uji hipotesis dengan regresi logistik cukup dengan melihat
Variables in the Equation, pada kolom Significant dibandingkan dengan tingkat
Table 4.9 Variables in the Equation
B S.E. Wald df Sig. Exp(B)
95% C.I.for EXP(B) Lower Upper Step 1a OWN ,898 2,334 ,148 1 ,701 2,455 ,025 238,285 DER 2,864 3,301 ,753 1 ,386 17,532 ,027 11306,977 ROA -1,041 10,333 ,010 1 ,920 ,353 ,000 220479289,605 RA 19,677 7509,606 ,000 1 ,998 3513586 25,076 ,000 . CR ,337 ,639 ,279 1 ,598 1,401 ,401 4,901 Cons tant -1,143 3,733 ,094 1 ,760 ,319
a. Variable(s) entered on step 1: OWN, DER, ROA, RA, CR.
Sumber : hasil pengolahan data dengan SPSS, 2018
Tabel 4.9 menunjukan hasil pengujian dengan regresi logistik pada tingkat signifikansi 0,05 dari pengujian dengan regresi logistic diatas maka diperoleh persamaan sebagai berikut:
Ln = -1,143+ 0,898OWN+ 2,864DER– 1,041ROA+ 19,677RA+ 0,337CR + Ԑ
H1: Pengaruh struktur kepemilikan terhadap ketepatan waktu pelaporan keuangan Variabel struktur kepemilikan menunjukkan koefisien positif sebesar 0,898 pada signifikansi 0,701 > 0,05 yang berarti H1 ditolak. Dengan demikian terbukti bahwa struktur kepemilikan tidak berpengaruh terhadap ketepatan waktu pelaporan.
H2: Pengaruh leverage terhadap ketepatan waktu pelaporan keuangan
Variabel leverage menunjukkan koefisien positif 2,864 pada signifikansi 0,386 > 0,05 yang berarti H1 ditolak. Dengan demikian terbukti bahwa leverage tidak berpengaruh terhadap ketepatan waktu pelaporan.
H3: Pengaruh profitabiltas terhadap ketepatan waktu pelaporan keuangan
Variabel profitabilitas menunjukkan koefisien negatif sebesar 1,041pada signifikansi 0,920 > 0,05 yang berarti H1 ditolak. Dengan demikian terbukti bahwa profitabilitas tidak berpengaru terhadap ketepatan waktu pelaporan.
H4: Pengaruh reputasi auditor terhadap ketepatan waktu pelaporan keuangan Variabel reputasi auditor menunjukkan koefisien positif sebesar 19,677 pada signifikansi 0,998 > 0,05 yang berarti H1 ditolak. Dengan demikian terbukti bahwa reputasi auditor tidak berpengaruh terhadap ketepatan waktu pelaporan. H5: Pengaruh likuiditas terhadap ketepatan waktu pelaporan keuangan
Variabel likuiditas menunjukkan koefisien positif sebesar 0,337 pada signifikansi 0,760 > 0,05 yang berarti H1 ditolak. Dengan demikian terbukti bahwa struktur kepemilikan tidak berpengaruh terhadap ketepatan waktu pelaporan.