HASIL DAN PEMBAHASAN
4.1. Gambaran Umum
24.2.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif memberikan informasi mengenai gambaran data meliputi jumlah sampel, nilai minimum, nilai maksimum, niali rata-rata (mean), dan standar deviasi dari variabel-variabel penelitian.
Tabel 4.1
Statistik Deskriptif Variabel
Financial Distress, DAR, DER, LDAR, dan LDER Descriptive Statistics N Range Minimu m Maximu m Mean Std. Deviation FID 48 2.23 1.34 3.57 2.495 5 .36014 DAR 48 1.92 .12 2.04 .5548 .37900 DER 48 3.75 .19 3.94 1.143 9 1.00886 LDAR 48 .51 .01 .52 .1919 .15133 LDER 48 1.63 .01 1.64 .4685 .46937
Descriptive Statistics N Range Minimu m Maximu m Mean Std. Deviation FID 48 2.23 1.34 3.57 2.495 5 .36014 DAR 48 1.92 .12 2.04 .5548 .37900 DER 48 3.75 .19 3.94 1.143 9 1.00886 LDAR 48 .51 .01 .52 .1919 .15133 LDER 48 1.63 .01 1.64 .4685 .46937 Valid N (listwise) 48
Sumber : Output SPSS, data diolah peneliti, 2016
Berdasarkan Tabel 4.1 dapat dideskripsikan beberapa hal sebagai berikut:
1. Jumlah seluruh sampel penelitian adalah 16 perusahaan dengan 48 amatan penelitian, yaitu 16 perusahaan dikali dengan tiga tahun periode penelitian.
2. Variabel dependen Financial Distress (FID) memiliki nilai minimum sebesar 1,34 dan nilai maksimum sebesar 3,57 dengan rata-rata 2,4955. Hal ini menunjukkan bahwa semua perusahaan yang menjadi sampel tidak ada yang mengalami financial distress dan cenderung berada pada kondisi perusahaan yang sehat.
3. Variabel independen Debt to Total Asset Ratio (DAR) memiliki nilai minimum sebesar 0,12 dan nilai maksimum sebesar 2,04 dengan rata-rata 0.5548. Hal ini menunjukkan bahwa ada perusahaan yang memiliki resiko keuangan yang tinggi dan ada juga yang memiliki resiko keuangan yang rendah jika dilihat dari nilai statistik rasionya, tetapi rata-rata perusahaan sampel berada pada tingkat resiko yang normal.
4. Variabel independen Debt to Total Equity Ratio (DER) memiliki nilai minimum sebesar 0,19 dan nilai maksimum sebesar 3,94 dengan nilai rata-rata 1,1439. Hal ini menunjukkan bahwa rata-rata perusahaan sampel memiliki tingkat rasio yang besar sehingga dapat diartikan bahwa struktur permodalan perusahaan lebih banyak dibiayai oleh pinjaman sehingga ketergantungan perusahaan terhadap kreditur semakin meningkat.
5. Variabel independen Long TermDebt to Total Asset Ratio (LDAR) memiliki nilai minimum sebesar 0,01 dan nilai maksimum sebesar 0,52 dengan nilai rata-rata 0,1919. Hal ini menunjukkan bahwa rata-rata perusahaan yang menjadi sampel memiliki rasio LDAR yang baik, artinya tidak banyak dari asset yang dimiliki perusahaan yang dibiayai oleh hutang jangka panjangnya.
6. Variabel independen Long TermDebt to Total Equity Ratio (LDER) memiliki nilai minimum sebesar 0,01 dan nilai maksimum sebesar 1,64 dengan nilai rata-rata 0,4685. Hal ini menunjukkan bahwa rata-rata perusahaan yang menjadi sampel memiliki rasio LDER yang baik meskipun ada beberapa perusahaan yang memiliki rasio yang tinggi, tetapi rata-rata perusahaan sampel tidak memiliki resiko keuangan yang tinggi untuk rasio hutang jangka panjang terhadap total ekuitas ini.
Gambar 4.1 Grafik Normal P-Plot
Sumber : Output SPSS, data diolah peneliti, 2016
24.2.2. Uji Asumsi Klasik 4.2.2.1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pengujian normalitas data penelitian ini menggunakan analisis grafik dan statistik. Analisis grafik untuk melihat normalitas dilakukan dengan melihat kurva normal probability plot. Analisis statistik dilakukan dengan uji kolmogrov-smirnov. Analisis statistik dilakukan karena uji normalitas dengan grafik dapat menyesatkan secara visual. Data bisa terlihat normal padahal secara statistik bisa sebaliknya.
Pada Gambar 4.1 terlihat data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi nomal maka variabel dependen (audit timeliness) memenuhi asumsi normalitas. Selain itu uji normalitas juga dapat dilakukan dengan uji
one-sample kolmogorov-smirnov. Nilai signifikansi dari residual yang
berdistribusi secara normal adalah jika nilai asymp.Sig (2-tailed) dalam pengujian one-sample kolmogorov-smirnov test lebih dari 0,05. Hasil uji one-sample kolmogorov-smirnov test ditampilkan pada Tabel 4.7 di bawah ini.
Tabel 4.2
Uji One-Sample Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 48
Normal Parametersa,b Mean .0000000
Std. Deviation .35092615 Most Extreme Differences Absolute .134 Positive .134 Negative -.104 Kolmogorov-Smirnov Z .929
Asymp. Sig. (2-tailed) .353
a. Test distribution is Normal. b. Calculated from data.
Dari Tabel 4.2 dapat dilihat bahwa nilai kolmogorov smirnov adalah 0,929 dengan nilai asymp.sig.(2-tailed) sebesar 0,353 hal ini berarti data dalam model regresi berdistribusi normal, karena nilai
asymp.sig.(2-tailed) lebih besar dari 0,05.
4.2.2.2. Uji Multikolinieritas
Pengukuran multikolonieritas dalam penelitian ini dilihat dari nilai tolerance dan variance inflation factor (VIF). Apabila nilai
tolerance> 0,10 dan VIF < 10 maka model regresi tersebut bebas dari
multikolonieritas. Berikut hasil perhitungan menggunakan SPSS 19.
Tabel 4.3
Hasil Uji Multikolinieritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant) 2.388 .123 DAR .129 .183 .136 .592 1.689 DER -.010 .107 -.028 .245 4.089 LDAR -.143 1.193 -.060 .208 5.388 LDER .160 .456 .208 .262 6.001
Sumber : Output SPSS, data diolah peneliti, 2016
Berdasarkan Tabel 4.3 dapat dilihat bahwa antar variabel independen tidak terjadi multikolonieritas. Hal ini dapat dilihat dari nilai tolerance yang memiliki nilai > 0,10 dan nilai VIF < 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi ini.
4.2.2.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Pengukuran autokorelasi dalam penelitian ini dilakukan menggunakan uji Durbin-Watson (DW-Test). Untuk melihat terjadi atau tidaknya autokorelasi dalam suatu model regresi dapat dilihat pada tabel Model
Summary di bawah ini.
Tabel 4.4
Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .657a .432 .417 3.36689 1.761
a. Predictors: (Constant), LDER, DAR, DER, LDAR b. Dependent Variable: FID
Sumber : Output SPSS, data diolah peneliti, 2016
Berdasarkan Tabel 4.4 dapat diketahui bahwa nilai DW sebesar 1,761. Nilai tersebut selanjutnya dibandingkan dengan nilai tabel dengan menggunakan signifikansi 5%, jumlah sampel 48, dan jumlah variabel independen 4 (k=4). Dari Tabel 4.4 dapat diketahui nilai DW sebesar 1,761 yang lebih besar dari batas atas (dU) 1,7206 dan kurang dari 4 – 1,7206 (4 – dU) maka dapat disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.
4.2.2.4. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Menurut Nugroho (2005:62) cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat diihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang menyatakan model regresi linear berganda tidak terdapat heteroskedastisitas jika :
1. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0, 2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja, 3. Penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali, 4. Penyebaran titik-titik data sebaiknya tidak berpola.
Gambar 4.2
Pada Gambar 4.3 garfik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi Z-Score perusahaan jasa pertambangan yang terdaftar di BEI berdasarkan masukan variabel independen rasio DAR, DER, LDAR, dan LDER.
