BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Analisis Hasil Penelitian
Statistik deskriptif memberikan gambaran atau deskriptif suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, serta minimum dari variabel dependen maupun variabel-variabel independen.
Untuk melihat data statistic secara umum, peneliti menggunakan descriptive
untuk variabel-variabel yang diukur dengan skala rasio dan frequency untuk variabel yang diukur dalam skala nominal.
Tabel 4.1
Statistik Deskriptif Variabel Profitabilitas, Rasio Gearing, dan Ukuran Perusahaan
Berdasarkan tabel 4.1 dapat dideskripsikan beberapa hal sebagai berikut, yaitu :
1. Jumlah seluruh sampel penelitian adalah 16 perusahaan dengan 48 unit analisis, yaitu 16 perusahaan dikali dengan tiga tahun penelitian, dengan tiga variabel independen yang menggunakan skala rasio yang terdiri dari
Return on Assets (ROA), rasio gearing, dan ukuran perusahaan.
2. Variabel independen Return on Assets (ROA) memiliki nilai minimum sebesar -6 dan nilai maksimum sebesar 9 dengan rata-rata 2,04. Hal ini menunjukkan bahwa kebanyakan perusahaan yang menjadi sampel mempunyai nilai ROA positif. Nilai standar deviasi sebesar 3,202 menunjukkan bahwa tidak ada sampel yang memiliki nilai ROA yang bersifat ekstrim.
N Minimum Maximum Mean Std. Deviation
ROA 48 -6 9 2.04 3.202 GEAR 48 0 8 1.42 2.296 SIZE 48 11380000000 5487000000000 1090750000000 1545429000000 Valid N (listwise) 48
3. Variabel independen rasio gearing memiliki nilai minimum sebesar 0 dan nilai maksimum sebesar 8 dengan rata-rata 1,42. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel memiliki nilai gearing positif. Nilai standar deviasi sebesar 2,296 menunjukkan bahwa tidak ada data yang bersifat ekstrim.
4. Variabel independen ukuran perusahaan yang diproksikan pada total aktiva memiliki nilai mínimum sebesar Rp 11.380.000.000 dan nilai maksimum sebesar Rp 5.487.000.000.000 dengan rata-rata Rp 1.090.750.000.000. Sementara nilai standar deviasi sebesar Rp 1.545.429.000.000 menunjukkan bahwa tidak ada sampel yang memiliki nilai total aktiva yang bersifat ekstrim.
Tabel 4.2
Statistik Variabel Item-item Luar Biasa, Reputasi KAP, Pergantian Auditor, dan Ketepatan Waktu
Berdasarkan tabel 4.2 dapat dideskripsikan bahwa jumlah data yang valid (sah untuk diproses) adalah 48 buah, sedangkan data yang hilang (missing) adalah nol, artinya semua data telah diproses.
EXTRA KAP AUCH TL
N Valid 48 48 48 48
Tabel 4.3
Statistik Frekuensi Variabel Item-item Luar Biasa
Berdasarkan tabel 4.3 dapat dideskripsikan bahwa variabel independen item-item luar biasa merupakan variabel nominal yang menggunakan variabel
dummy, dimana perusahaan yang tidak melaporkan item-item luar biasa diberi kode “0”, sedangkan perusahaan yang melaporkan item-item luar biasa diberi kode “1”, serta memiliki data valid karena seluruhnya telah diproses. Jumlah data yang tidak melaporkan item-item luar biasa sebanyak 45 buah (93,8%), sedangkan jumlah data yang melaporkan item-item luar biasa sebanyak 3 buah (6,3%).
Tabel 4.4
Statistik Frekuensi Variabel Reputasi KAP
Frequency Percent Valid Percent
Cumulative Percent
Valid 0 9 18.8 18.8 18.8
1 39 81.3 81.3 100.0
Total 48 100.0 100.0
Berdasarkan tabel 4.4 dapat dideskripsikan bahwa variabel independen reputasi KAP merupakan variabel nominal yang menggunakan variabel
Frequency Percent Valid Percent
Cumulative Percent
Valid 0 45 93.8 93.8 93.8
1 3 6.3 6.3 100.0
dummy, dimana perusahaan yang berafiliasi dengan KAP The Big Four diberi kode “0”, sedangkan perusahaan yang tidak berafiliasi dengan KAP The Big Four diberi kode “1” memiliki data valid karena seluruhnya telah diproses. Jumlah data yang berafiliasi dengan KAP The Big Four sebanyak 9 buah (18,8%), sedangkan jumlah data yang tidak berafiliasi dengan KAP The Big Four sebanyak 39 buah (81,3%).
Tabel 4.5
Statistik Frekuensi Variabel Pergantian Auditor
Frequency Percent Valid Percent
Cumulative Percent
Valid 0 33 68.8 68.8 68.8
1 15 31.3 31.3 100.0
Total 48 100.0 100.0
Berdasarkan tabel 4.5 dapat dideskripsikan bahwa variabel independen pergantian auditor merupakan variabel nominal yang menggunakan variabel
dummy, dimana perusahaan yang tidak melakukan pergantian auditor diberi kode “0”, sedangkan perusahaan yang melakukan pergantian auditor diberi kode “1” memiliki data valid karena seluruhnya telah diproses. Jumlah data yang tidak melakukan pergantian auditor sebanyak 33 buah (68,8%), sedangkan jumlah data yang melakukan pergantian auditor sebanyak 15 buah (81,3%).
Tabel 4.6
Statistik Frekuensi Variabel Ketepatan Waktu
Frequency Percent Valid Percent
Cumulative Percent
Valid 0 41 85.4 85.4 85.4
1 7 14.6 14.6 100.0
Total 48 100.0 100.0
Berdasarkan tabel 4.6 dapat dideskripsikan bahwa variabel dependen ketepatan waktu merupakan variabel nominal yang menggunakan variabel
dummy, dimana perusahaan yang tepat waktu pelaporan keuangannya diberi kode “0”, sedangkan perusahaan yang tidak tepat waktu pelaporan keuangannya diberi kode “1” memiliki data valid karena seluruhnya telah diproses. Jumlah laporan keuangan yang dipublikasikan tepat waktu sebanyak 41 buah (85,4%), sedangkan jumlah laporan keuangan yang dipublikasikan tidak tepat waktu sebanyak 7 buah (14,6%). Hal ini juga menunjukkan bahwa emiten pada perusahaan jasa pariwisata dapat memenuhi peraturan yang ditetapkan oleh Bapepam, yaitu mengenai ketepatan waktu pelaporan keuangan.
4.2.2 Pengujian Hipotesis Penelitian
Pengujian hipotesis bertujuan untuk mengetahui pengaruh variabel-variabel independen terhadap variabel-variabel dependen. Pada penelitian ini, variabel-variabel independen yang diuji yaitu : Profitabilitas (ROA), Rasio Gearing (GEAR), Item-item Luar Biasa (EXTRA), Ukuran Perusahaan (SIZE), Reputasi KAP
(KAP), Pergantian Auditor (AUCH) terhadap variabel dependen, yaitu : Ketepatan Waktu Pelaporan Keuangan (TL). Pengujian hipótesis dalam penelitian ini dilakukan dengan metode regresi logistik dengan melihat tabel
Variables in the Equation pada kolom signifikan yang dibandingkan dengan
nilai signifikansi (ά) yang digunakan, yaitu 0,05 (5%). Apabila tingkat
signifikansi < 0,05, maka H1-H6 diterima, jika tingkat signifikansi > 0,05, maka H1-H6 tidak dapat diterima. Hasil uji koefisien regresi logistik dapat dilihat pada tabel 4.7.
Tabel 4.7
Hasil Uji Koefisien Regresi Logistik Variables in the Equation
B S.E. Wald df Sig. Exp(B) Step 1a ROA .467 .249 3.528 1 .060 1.595 GEAR .136 .215 .402 1 .526 1.146 EXTRA 4.174 2.125 3.859 1 .049 64.995 SIZE .000 .000 2.340 1 .126 1.000 KAP -3.885 2.436 2.544 1 .111 .021 AUCH 1.668 1.314 1.612 1 .204 5.301 Constant .236 1.778 .018 1 .895 1.266 a. Variable(s) entered on step 1 : ROA, GEAR, EXTRA, SIZE, KAP, AUCH.
Dari hasil pengujian persamaan regresi logistik tersebut, maka diperoleh model regresi logistik sebagai berikut :
Y = 0,236 + 0,467 ROA + 0,136 GEAR + 4,174 EXTRA + 0,000 SIZE – 3,885 KAP + 1,668 AUCH
Berdasarkan tabel 4.7 dapat disimpulkan beberapa hal, yaitu :
1. ROA mempunyai tingkat signifikansi 0,060 dan lebih besar dari tingkat signifikansi 0,05, sehingga profitabilitas yang diproksikan dengan ROA tidak dapat diterima, artinya profitabilitas tidak berpengaruh terhadap ketepatan waktu penyampaian laporan keuangan.
2. Rasio gearing mempunyai tingkat signifikansi 0,526 dan lebih besar dari tingkat signifikansi 0,05, sehingga rasio gearing tidak diterima, artinya rasio gearing tidak berpengaruh terhadap ketepatan waktu penyampaian laporan keuangan.
3. Item-item luar biasa mempunyai tingkat signifikansi 0,049 dan lebih kecil dari tingkat signifikansi 0,05, sehingga ítem-item luar biasa dapat diterima, artinya ítem-item luar biasa berpengaruh terhadap ketepatan waktu penyampaian laporan keuangan.
4. Ukuran perusahaan yang diproksikan dengan total aktiva mempunyai signifikansi 0,126 dan lebih besar dari tingkat signifikansi 0,05, sehingga ukuran perusahaan tidak dapat diterima.
5. Reputasi KAP mempunyai tingkat signifikansi 0,111 dan lebih besar dari tingkat signifikansi 0,05, sehingga reputasi KAP tidak dapat diterima, artinya reputasi KAP tidak berpengaruh terhadap ketepatan waktu penyampaian laporan keuangan.
6. Pergantian auditor mempunyai tingkat signifikansi 0,204 dan lebih besar dari tingkat signifikansi 0,05, sehingga pergantian auditor tidak dapat
diterima, artinya pergantian auditor tidak berpengaruh terhadap ketepatan waktu penyampaian laporan keuangan.
4.2.3 Pengujian Model
4.2.3.1 Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan Goodness of Fit Test yang diukur dengan nilai Chi-square pada bagian bawah uji Hosmer and Lameshow.
Tabel 4.8
Hasil Uji Kelayakan Model Regresi Hosmer and Lemeshow Test Step Chi-square df Sig.
1 7.736 8 .460
Contingency Table for Hosmer and Lemeshow Test
TL = 0 TL = 1
Total Observed Expected Observed Expected
Step 1 1 5 4.995 0 .005 5 2 5 4.884 0 .116 5 3 5 4.769 0 .231 5 4 4 4.656 1 .344 5 5 5 4.470 0 .530 5 6 3 4.404 2 .596 5 7 5 4.184 0 .816 5 8 4 3.868 1 1.132 5 9 4 3.322 1 1.678 5 10 1 1.449 2 1.551 3
Berdasarkan tabel 4.8 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistic Hosmer and Lameshow
sebesar 7,736 dengan probabilitas signifikansi menunjukkan angka 0,460, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05 (5%), maka H0 diterima atau didukung. 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.
4.2.3.2 Menguji Keseluruhan Model
Pengujian ini dilakukan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian ini dilakukan dengan membandingkan nilai antara -2 log likelihood (LL) pada awal dengan block number = 0 dan angka -2 log likelihood pada akhir dengan block number = 1. Nilai -2 log likelihood (LL) pada awal dengan block number = 0 dapat dilihat pada tabel 4.9 sebagai berikut.
Tabel 4.9
Hasil Uji Overall Fit Model -2 Log Likehood Awal
Iteration -2 Log likelihood Coefficients Constant Step 0 1 40.679 -1.417 2 39.888 -1.731 3 39.880 -1.767 4 39.880 -1.768
Nilai -2 log likelihood (LL) pada awal dengan block number = 1 dapat dilihat pada tabel 4.10 sebagai berikut.
Tabel 4.10
Hasil Uji Overall Fit Model -2 Log Likehood Akhir
Iteration
-2 Log likelihood
Coefficients
Constant ROA GEAR EXTRA SIZE KAP AUCH Step 1 1 37.560 -.992 .103 .024 1.300 .000 -.756 .408 2 34.159 -.715 .246 .067 2.543 .000 -1.898 .910 3 32.971 -.173 .395 .117 3.698 .000 -3.155 1.414 4 32.797 .132 .457 .134 4.122 .000 -3.749 1.635 5 32.788 .228 .466 .136 4.172 .000 -3.877 1.667 6 32.788 .236 .467 .136 4.174 .000 -3.885 1.668 7 32.788 .236 .467 .136 4.174 .000 -3.885 1.668 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 39,880
d. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
Berdasarkan tabel 4.9 dapat dilihat bahwa -2log likelihood
untuk model dengan konstanta pada penelitian ini adalah sebesar 39,880 dan ternyata tidak signifikan pada alpha (α) 0,05 yang berarti hipotesis
a. Constant is included in the model. b. Initial -2 Log Likelihood: 39,880 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
nol tidak dapat ditolak dan model fit dengan data. Tabel 4.10 dapat dilihat bahwa nilai -2 log likelihood akhir pada block number = 1 mengalami perubahan dengan adanya beberapa variabel independen, sehingga nilainya menjadi 32,788. Selisih nilai -2 log likelihood awal dengan nilai -2 log likelihood akhir adalah sebesar 7,092 (39,880-32,788). Penurunan nilai -2 log likelihood ini dapat diartikan bahwa penambahan variabel independen ke dalam model dapat memperbaiki model fit serta menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data. Log Likelihood
pada regresi logistik mirip dengan pengertian “ Sum of Squared Error” pada model regresi, sehingga penurunan nilai Log Likelhood
menunjukkan model regresi yang semakin baik.