BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Informasi yang dibutuhkan dalam penelitian ini adalah data
sekunder yang di peroleh dari
perusahaan manufaktur dari tahun 2008-2010 yang dijabarkan dalam bentuk statistik. Variabel yang digunakan dalam penelitian ini adalah ukuran perusahaan (total asset), ukuran KAP, dan jenis opini audit sebagai variabel independen dan audit report lag sebagai variabel
dependennya. Statistik deskriptif dari variabel tersebut dari sampel perusahaan manufaktur go publik yang terdaftar di BEI selama 2008 hingga 2010 disajikan dalam tabel dibawah ini:
Tabel 4.1 Analisis Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
TA 102 27 34 28.55 1.431
KAP 102 0 1 .68 .470
AO 102 0 1 .69 .466
AR 102 30 105 73.14 13.705
Valid N (listwise) 102
Sumber: SPSS 17, Data diolah 2011
Berikut ini adalah perincian deskriptif dari data yang telah diolah:
1. Variabel ukuran perusahaan (total assets) memiliki nilai minimum 27, nilai maksimum 34 dan rata-rata 28,55 dengan jumlah sampel 102.
2. Variabel ukuran KAP memiliki nilai minimum 0, nilai maksimum 1 dan rata-rata 0.68 dengan jumlah sampel 102.
3. Variabel jenis opini audit memiliki nilai minimum 0, nilai maksimum 1 dan rata-rata 0,69 dengan jumlah sampel 102.
4. Variabel audit report lag memiliki nilai minimum 30, nilai maksimum 105 dan rata-rata 73,14 dengan jumlah sampel 102.
4.2.2. Asumsi Klasik
4.2.2.1 Uji Normalitas 1. Grafik
Pengujian dengan grafik histogram dengan kriteria pola distribusi yang tidak menceng ke kiri dan kekanan maka dapat dinyatakan bahwa distribusi data berasal dari populasi yang terdistribusi normal.Pengujian normalitas menggunakan P-P Plot, dengan kriteria, apabila titik-titik pada P-P Plot berada pada garis lurus, maka dapat dinyatakan bahwa distribusi data berasal dari populasi yang terdistribusi normal.
Gambar 4.1 P-plot Normalitas Data
Berdasarkan hasil histogram dan diagram P-P Plot diatas dapat diketahui bahwa grafik histogram mmeberikan pola distribusi yang normal dan titik-titik menyebar di sekitar garis lurus, seperti tampak pada gambar p-plot di atas. Hal ini berarti bahwa data penelitian ini telah diambil dari populasi yang terdistribusi normal.
2. Uji Statistik
Untuk mendeteksi normalitas data, dapat pula dilakukan melalui analisis statistik Kolmogorov-Smirnov Test (K-S). Uji K-S dilakukan dengan membuat hipotesis :
H0 = Data residual terdistribusi normal. H1 = Data residual tidak terdistribusi normal.
Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut:
a. Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal.
b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara statik maka H0 diterima, yang berarti data terdistribusi normal.
Tabel 4.2 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 102
Normal Parametersa,,b Mean .0000000
Std. Deviation 12.89693952
Most Extreme Differences Absolute .148
Positive .091
Negative -.148
Kolmogorov-Smirnov Z 1.493
Asymp. Sig. (2-tailed) .023
Dari hasil pengolahan data tersebut, besar nilai Kolmogorov-Smirnov adalah 1,493 dan signifikansi pada 0,23 maka disimpulkan data terdistribusi secara normal karena p=0,13>0,05 yang menunjukkan Ho diterima. Hal ini sejalan dengan hasil yang didapatkan dari uji grafik normal diagram dan plot data.
4.2.2.2 Uji Multikolineritas
Pengujian multikolinearitas dilakukan untuk membuktikan apakah ubahan atau variabel bebas pada penelitian ini dapat diasumsikan tidak saling berintervensi ketika dibuat pemodelan dengan variabel terikat. Kriteria dinyatakan bahwa variabel bebas tidak saling intervensi satu sama lain ketika
1. Jika nilai tolerance >10 persen dan nilai VIF < 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
2. Jika nilai tolerance < 10 persen dan nilai VIF > 10, maka dapa disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
Pengujian multikoleniaritas dapat ditunjukkan sebagai berikut: c. Calculated from data.
Tabel 4.3 Uji Multikolinearitas
Sumber: SPSS 17, Data diolah 2011
Pada tabel rangkuman hasil uji multikolinearitas di atas, diperoleh harga VIF tidak ada yang melebihi dari nilai 10 dan Tolerance <0, 10. Dengan demikian dapat disimpulkan bahwa model regresi tersebut tidak terdapat masalah multikolinieritas antar variabel independen dalam model regresi.
4.2.2.3 Uji Heterokedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah residu pada model regresi bersifat heterogen atau homogen. Apabila bersifat heterogen, akan menyebabkan model regresi tidak mampu meramalkan dengan akurat, karena memiliki residu yang tidak teratur. Pada penelitian ini untuk mengatahui ada atau
Coefficientsa Model Collinearity Statistics Tolerance VIF 1 TA .874 1.144 KAP .847 1.181 AO .933 1.071 a. Dependent Variable: AR
tidaknya problem heteroskedastisitas digunakan scatter plot. Kriterianya adalah apabila titik-titik pada scatter plot atau diagram pencar tidak membentuk pola tertentu, maka dapat dinyatakan bahwa model regresi tidak terkendala heteroskedastisitas.
Gambar 4.2 Uji Heterokedasitas Data
Berdasarkan grafik scatter plot diatas dapat disimpulkan bahwa model regresi tidak terkendala heteroskedastisitas, karena diagram pencar tidak membentuk pola tertentu.
4.2.2.4 Uji Autokorelasi
Masalah autokorelasi biasanya terjadi ketika penelitian memiliki data yang terkait dengan unsur waktu (times series). Data pada penelitian ini memiliki unsur waktu karena didapatkan antara tahun 2008 – 2010, sehingga perlu mengetahui apakah model regresi akan terganggu oleh autokorelasi atau tidak. Kriteria yang digunakan adalah apabila harga Dw diantara Du sampai dengan (4 – Du).
Tabel 4.4 Uji Autokorelasi Data T a b e l
Sumber: SPSS 17 Data diolah 2011
Pada penelitian ini memiliki 3 variabel bebas dan 1 variabel terikat, atas dasar hal tersebut maka dapat diketahui Du yang diperoleh dari tabel Durbin Watson sebesar 1,625. Nilai ini akan dibandingkan dengan nilai signifikansi 5%, jumlah sampel 102 dan jumlah variable 3 sehingga k=3. Berdasarkan harga tersebut, harga du adalah 1,613, sehingga dapat ditentukan batas du adalah
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .338a .114 .087 13.093 1.625
a. Predictors: (Constant), AO, TA, KAP
1,613 dan 2,387 (4-du). Oleh karena nilai DW 1,625 lebih besar dari batas du 1,613 dan kurang dari 2,387, maka dapat disimpulkan bahwa model regresi tidak terganggu oleh adanya autokorelasi.
4.3Persamaan Regresi
Penelitian ini menggunakan regresi linear, dilakukan dengan menggunakan metode enter, dimana semua variabel dimasukkan untuk mencari hubungan antara variabel independen dan variabel dependen melalui meregresikan. Dari pengujian asumsi klasik dapat disimpulkan bahwa model regresi dapat digunakan dalam pengolahan data. Untuk menguji hipotesis digunakan uji regresi berganda. Berdasarkan pengolahan data dengan menggunakan SPSS 17, maka diperoleh hasil sebagai berikut:
Tabel 4.5 Uji Regresi Data Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 33.003 27.543 1.198 .234 TA 1.749 .974 .183 1.796 .076 KAP -9.954 3.011 -.341 -3.306 .001 AO -4.464 2.892 -.152 -1.544 .126 a. Dependent Variable: AR
Berdasarkan tabel diatas diperoleh persamaan regresi sebagai berikut: AR=33,003+1,749TA-9,954KAP-4,464AO
maksudnya adalah:
1. Konstanta sebesar 33,003 menunjukkan bahwa jika tidak ada variabel ukuran perusahaan, ukuran KAP dan jenis opini audit maka audit report lagnya adalah 33 hari.
2. Setiap terjadi kenaikan pada variabel ukuran perusahaan akan diikuti kenaikan pada variabel AR sebesar 1,749 satuan dan variabel lainnya dianggap konstan.
3. Setiap terjadi kenaikan pada variabel ukuran KAP akan diikuti penurunan pada variabel AR sebesar -9,954 satuan dan variabel lainnya dianggap konstan.
4. Setiap terjadi kenaikan pada variabel ukuran perusahaan akan diikuti penurunan pada variabel AR sebesar -4,464 satuan dan variabel lainnya dianggap konstan.