Uji Asumsi Klasik a. Uji Normalitas - Analisis Hasil Penelitian 1. Analisis Statistik Deskr

HASIL PENELITIAN

B. Analisis Hasil Penelitian 1. Analisis Statistik Deskriptif

2. Uji Asumsi Klasik a. Uji Normalitas

Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis :

H0 : data residual berdistribusi normal Ha : data residual tidak berdistribusi normal

Apabila nilai signifikansinya lebih besar dari 0,05 maka H₀ diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H0 ditolak.

Tabel 4.2

Hasil Uji Normalitas One – Sample Kolmogorov Smirnov Test One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual N 48 Mean .0000000 Normal Parameters^a Std. Deviation 20.17236058 Absolute .156 Positive .156

Most Extreme Differences

Negative -.095

Kolmogorov-Smirnov Z 1.078

Asymp. Sig. (2-tailed) .196

Tabel di atas menunjukkan besarnya Kolmogorov-Smirnov (K-S) adalah 1,078 dan signifikansi pada 0,196 sehingga dapat disimpulkan bahwa data dalam model regresi telah terdistribusi secara normal, dimana nilai signifikansinya lebih besar dari 0,05 ( p = 0,196 > 0,05 ).

Gambar 4.1 Histogram

Gambar 4.2 Grafik Normal P-Plot

Sumber : Output SPSS, diolah penulis, 2010.

Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik diatas dapat disimpulkan bahwa distribusi data adalah normal, karena grafik histogram menunjukkan distribusi data yang mengikuti garis diagonal yang tidak menceng (skewness) ke kiri maupun ke kanan.

Demikian pula pada grafik normal plot, terlihat titik-titik menyebar di sekitar garis diagonal serta penyebarannya mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.

Dengan demikian dapat disimpulkan secara keseluruhan, bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya.

b. Uji Multikolinieritas

Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolonieritas adalah dengan melihat besaran korelasi antar variabel independent dan besarnya tingkat kolonieritas yang masih dapat ditolerir, yaitu

tolerance > 0,10 dan Variance Inflation Factor (VIF) < 10. Berikut ini disajikan tabel hasil pengujian.

Tabel 4.3

Coefficients untuk AD = f( TATO, DER, OA, KAP)

Sumber : Output SPSS, diolah penulis, 2010.

Coefficients^a

Unstandardized Coefficients

Standardized

Coefficients Collinearity Statistics

Model _B _{Std. Error} _Beta t Sig. _Tolerance _VIF

(Constant) 65.810 5.059 13.007 .000 TATO 5.596 8.688 .090 .644 .523 .884 1.131 DER -3.559 2.199 -.235 -1.619 .113 .820 1.219 Opini Audit 4.395 7.310 .086 .601 .551 .839 1.191 1 Afiliasi KAP 22.947 6.865 .485 3.343 .002 .822 1.216

a. Dependent Variable: Audel

Hasil perhitungan nilai tolerance menunjukkan variabel independent memiliki nilai tolerance lebih dari 0,10 yaitu 0,884; 0,820; 0,839; 0,822 yang berarti tidak terjadi korelasi antar variabel independen. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen memiliki nilai VIF kurang dari 10 yaitu 1,131; 1,219; 1,191; 1,216.

Tabel 4.4

Coefficients Correlations untuk AD = f ( TATO, DER, OA, KAP)

Sumber : Output SPSS, diolah penulis, 2010. Coefficient Correlations^a

Model Afiliasi KAP TATO Opini Audit DER

Afiliasi KAP 1.000 -.064 -.181 -.398 TATO -.064 1.000 -.315 .014 Opini Audit -.181 -.315 1.000 .209 Correlations DER -.398 .014 .209 1.000 Afiliasi KAP 47.124 -3.833 -9.058 -6.012 TATO -3.833 75.475 -19.979 .271 Opini Audit -9.058 -19.979 53.438 3.365 1 Covariances DER -6.012 .271 3.365 4.834

a. Dependent Variable: Audel

Melihat hasil besaran korelasi antar variabel tampak bahwa di antara variabel independen yang diuji, variabel DER mempunyai korelasi paling tinggi yaitu sebesar -0,398 atau sekitar 39,8%. Hal ini tidak menunjukkan gejala korelasi karena masih dibawah 0,9, maka hal ini merupakan indikasi tidak adanya multikolonieritas. Berdasarkan kedua tabel di atas dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independent dalam model ini.

c. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi pengganggu pada periode t dengan kesalahan pengganggu pada

periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.

Uji yang digunakan untuk melihat autokorelasi dalam penelitian ini adalah Uji Durbin-Watson (DW test). Panduan mengenai Durbin-Watson untuk mendeteksi autokorelasi dapat dilihat pada tabel D-W yang bisa dilihat pada buku statistik yang relevan.

Tabel 4.5 Hasil Uji Autokorelasi

Sumber : Output SPSS, diolah penulis, 2010. Model Summary^b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .506^a .256 .187 21.08975 1.957

a. Predictors: (Constant), Afiliasi KAP, TATO, Opini Audit, DER b. Dependent Variable: Audel

Dari tabel 4.5 menunjukkan hasil Durbin – Watson sebesar 1,957 sehingga dapat disimpulkan bahwa tidak terjadi gejala autokorelasi dalam penelitian ini karena hasil yang diperoleh 1,957 ( angka DW berada diantara -2 dan +2 ) berarti tidak ada autokorelasi.

d. Uji Heterokedastisitas

Dalam penelitian ini untuk mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat pola grafik scatterplot. Dasar pengambilan keputusannya adalah :

1) Jika ada pola tertentu, seperti titik –titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas.

2) Jika tidak ada pola yang jelas, seperti titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.

Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heterokedastisitas atau terjadi homokedastisitas dengan mengamati penyebaran titik-titik pada gambar.

Gambar 4.3 Scatterplot

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 bentuk tabel.

Tabel 4.6 Hasil Analisis Regresi

Sumber : Output SPSS, diolah penulis, 2010. Coefficients^a

Unstandardized Coefficients

Standardized

Coefficients Collinearity Statistics

Model _B _{Std. Error} _Beta T Sig. _Tolerance _VIF

a. Dependent Variable: Audel

Berdasarkan tabel di atas diperoleh persamaan regresi sebagai berikut : AD = 65,810 + 5,596TATO – 3,559DER + 4,395OA + 22,947KAP + e Keterangan :

1) konstanta sebesar 65,810 menunjukkan bahwa apabila tidak ada variabel independen (X1, X2, X3, X4 = 0) maka audit delay sebesar 65,810 hari, 2) b1 sebesar 5,596 menunjukkan bahwa setiap kenaikan TATO sebesar 1

satuan, maka akan meningkatkan audit delay sebesar 5,596 dengan asumsi variabel lain tetap.

3) b2 sebesar -3,359 menunjukkan bahwa setiap kenaikan DER sebesar 1 satuan, maka akan memperpendek audit delay sebesar 3,359 dengan asumsi variabel lain tetap.

a. Persamaan regresi estimasi opini selain unqualified ( 1 ) terhadap audit delay :

AD= 65,810 + 5,596TATO – 3,559DER + 4,395OA + 22,947KAP AD= 65,810 + 5,596TATO – 3,559DER + 4,395 ( 1 ) + 22,947KAP AD= 70,205 + 5,596TATO – 3,559DER + 22,947KAP

Artinya, apabila variabel dianggap konstan maka audit delay pada perusahaan yang menerima opini selain unqualified adalah 70,205 hari.

b. Persamaan regresi estimasi opini qualified (0) terhadap audit delay : AD= 65,810 + 5,596TATO – 3,559DER + 4,395OA + 22,947KAP AD= 65,810 + 5,596TATO – 3,559DER + 4,395 ( 0 ) + 22,947KAP AD= 65,810 + 5,596TATO – 3,559DER + 22,947KAP

Artinya, apabila variabel dianggap konstan maka audit delay pada perusahaan yang tidak menerima opini unqualified adalah 65,810 hari.

5) b4 sebesar 22,947

a. Persamaan regresi estimasi KAP yang berafiliasi dengan KAP Internasional (1) terhadap audit delay :

AD= 65,810 + 5,596TATO – 3,559DER + 4,395OA + 22,947KAP AD= 65,810 + 5,596TATO – 3,559DER + 4,395OA + 22,947( 1 ) AD= 88,757 + 5,596TATO – 3,559DER + 4,395OA

Artinya, apabila variabel dianggap konstan maka audit delay pada perusahaan yang terdaftar di BEI adalah 88,757 hari.

b. Persamaan regresi estimasi KAP yang tidak berafiliasi dengan KAP Internasional (0) terhadap audit delay :

AD= 65,810 + 5,596TATO – 3,559DER + 4,395OA + 22,947KAP AD= 65,810 + 5,596TATO – 3,559DER + 4,395OA + 22,947( 0 ) AD= 65,810 + 5,596TATO – 3,559DER + 4,395OA

Artinya, apabila variabel dianggap konstan maka audit delay pada perusahaan yang menggunakan KAP yang tidak berafiliasi dengan KAP Internasional adalah 65,810 hari.

b. Analisis Koefisien Korelasi dan Koefisien Determinasi

Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1.

Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampaidengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen, dan sebaliknya. Nilai R square

memiliki kelemahan, yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.

b. Analisis Koefisien Korelasi dan Koefisien Determinasi

Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.

Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1.

Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen, dan sebaliknya. Nilai R square

memiliki kelemahan, yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.

Tabel 4.7

Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi Model Summary^b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .506^a .256 .187 21.08975

a. Predictors: (Constant), Afiliasi KAP, TATO, Opini Audit, DER b. Dependent Variable: Audel

Pada model summary, nilai koefisien korelasi (R) sebesar 0,506 yang berarti bahwa korelasi atau hubungan antara audit delay (AD) dengan variabel independennya (TATO, DER, Opini Audit, dan Afiliasi KAP) signifikan karena berada pada 0,5. Angka R square atau koefisien determinasi adalah 0,256. Hal ini berarti 25,6% variasi atau perubahan dalam audit delay dapat

dijelaskan oleh variasi dari TATO, DER, OA, dan KAP, sedangkan sisanya (74,4%) dijelaskan oleh sebab-sebab lain.

c. Pengujian Hipotesis Penelitian

Pengujian hipotesis penelitian dilakukan untuk menguji keempat hipotesis penelitian yang telah dipaparkan sebelumnya. Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan uji t (t test) dan uji F (F test).

1) Uji t (t test)

Uji statistik t dilakukan untuk menguji pengaruh dari variabel independen terhadap variabel dependennya secara individu. Hal ini dapat dilihat dari nilai signifikan t yang dihasilkan dari perhitungan. Apabila nilai signifikan t < tingkat signifikan (0.05) maka variabel independen secara individu berpengaruh terhadap variabel dependennya, sebaliknya jika nilai signifikan t > tingkat signifikansi (0.05) maka variabel independennya secara individu tidak berpengaruh terhadap variabel dependennya. Berdasarkan hasil pengolahan SPSS versi 16, diperoleh hasil sebagai berikut :

Tabel 4.8 Hasil Uji t Coefficients^a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics

Model _B _{Std. Error} _Beta t Sig. _Tolerance _VIF

a. Dependent Variable: Audel

H1 : Faktor internal berpengaruh positif terhadap audit delay. Faktor Internal terdiri dari TATO dan DER :

a. TATO

Dari tabel regresi dapat dilihat besarnya thitung untuk variabel TATO sebesar 0,644 dengan nilai signifikansi 0,523. Hasil uji statistik tersebut menunjukkan bahwa t_hitung adalah 0,644, sedangkan t_tabel adalah 2,015368 , sehingga thitung > ttabel (0,644 < 2,015368). Signifikansi penelitian ini juga menunjukkan angka yang lebih besar dari 0,05 (0,523 > 0,05), maka dapat disimpulkan bahwa tidak terdapat pengaruh TATO terhadap audit delay.

b. DER

Dari tabel regresi dapat dilihat besarnya t_hitung untuk variabel DER sebesar -1,169 dengan nilai signifikansi 0,113. Hasil uji statistik tersebut menunjukkan bahwa t_hitung adalah -1,169, sedangkan t_tabel adalah 2,015368,

sehingga thitung > ttabel (-1,169 < 2,015368). Signifikansi penelitian ini juga menunjukkan angka yang lebih besar dari 0,05 (0,113 > 0,05), maka dapat disimpulkan bahwa tidak terdapat pengaruh DER terhadap audit delay.

H2 : Faktor eksternal berpengaruh positif terhadap audit delay. Faktor eksternal terdiri dari Opini Audit dan Afiliasi KAP : a. Opini Audit

Dari tabel dapat dilihat besarnya thitung untuk variabel opini audit sebesar 0,601 dengan nilai signifikansi 0,551. Hasil uji statistik tersebut menunjukkan bahwa thitung adalah 0,601, sedangkan ttabel adalah 2,015368, sehingga thitung > t_tabel (0,601 < 2,015368). Signifikansi penelitian ini juga menunjukkan angka yang lebih kecil dari 0,05 (0,551 > 0,05), maka dapat disimpulkan bahwa tidak terdapat pengaruh opini audit terhadap audit delay.

b. Afiliasi KAP

Dari tabel dapat dilihat besarnya t_hitung untuk variabel opini audit sebesar 3,343 dengan nilai signifikansi 0,02. Hasil uji statistik tersebut menunjukkan bahwa t_hitung adalah 0,601, sedangkan t_tabel adalah 2,015368, sehingga t_hitung > t_tabel (3,343 > 2,015368). Signifikansi penelitian ini juga menunjukkan angka yang lebih kecil dari 0,05 (0,002 < 0,05), maka dapat disimpulkan bahwa terdapat pengaruh afiliasi KAP terhadap audit delay.

2) Uji F (F test)

Uji signifikan simultan yang sering disebut dengan uji F ini dilakukan untuk menguji pengaruh yang ditimbulkan oleh keseluruhan variabel dependen yang ada dalam model terhadap variabel independennya. Pengaruh seluruh variabel independen secara bersama-sama terhadap nilai variabel dependen dapat diketahui dengan pengujian terhadap variasi nilai variabel yang terdapat dalam persamaan regresi. Hal ini dapat dari koefisien determinasi yang dihasilkan dari persamaan regresi yang dilakukan. Berdasarkan hasil pengolahan data dengan menggunakan program SPSS versi 16, maka diperoleh hasil sebagai berikut :

Tabel 4.9 Hasil Uji F

H3 : Faktor internal dan eksternal berpengaruh positif terhadap audit delay.

ANOVA^b

Model Sum of Squares df Mean Square F Sig.

Regression 6580.482 4 1645.121 3.699 .011^a

Residual 19125.434 43 444.778

Total 25705.917 47

a. Predictors: (Constant), Afiliasi KAP, TATO, Opini Audit, DER b. Dependent Variable: Audel

Hasil uji ANOVA atau F test menunjukkan Fhitung sebesar 3,699 dengan tingkat signifikansi 0,011, sedangkan F_tabel sebesar 2,56954 dengan signifikansi 0,05. Berdasarkan hasil tersebut dapat disimpulkan bahwa H3

dapat diterima, artinya terdapat pengaruh TATO, DER, Opini Audit ,dan Afiliasi KAP secara bersamaterhadap audit delay karena F_hitung > F_tabel (3,699 < 2,56954) dan signifikansi penelitian lebih besar dari 0,05 (0,011 < 0,05). C. Pembahasan Hasil Penelitian

Dari tabel 4.2 dapat diketahui bahwa rata-rata lamanya audit delay

adalah 72,79 hari, dengan nilai minimum 23 hari dan maksimum 140 hari. Variabel TATO (dalam %) selama tahun 2006-2008 memiliki nilai minimum 0,01 dan nilai maksimum 2,06 dengan rata-rata TATO sebesar 0,2573. Variabel DER (dalam %) selama tahun 20062008 memiliki nilai minimum -2,23 dan nilai maksimum 6,32 dengan rata-rata DER 1,3552. Variabel Opini Audit memiliki nilai minimum 0 dan nilai maksimum 1 dengan rata-rata Opini Audit sebesar 0,29. Variabel Afiliasi KAP memiliki nilai minimum 0 dan nilai maksimum 1 dengan rata-rata Afiliasi KAP sebesar 0,40. Nilai R Square

sebesar 0,256. Hal ini berarti 25,6% variasi atau perubahan dalam audit delay

dapat dijelaskan oleh variasi dari TATO, DER, Opini Audit, dan Afiliasi KAP sedangkan sisanya (74,4%) dijelaskan oleh sebab-sebab lain yang tidak dimasukkan dalam model penelitian.

Hasil pengujian hipotesis menunjukkan bahwa TATO, yang merupakan proksi ukuran perusahaan secara parsial tidak mempunyai pengaruh signifikan positif terhadap audit delay. Hasil penelitian ini sejalan dengan hasil penelitian yang dilakukan oleh Utami ( 2006 ) dimana hasil penelitian menunjukkan bahwa ukuran perusahaan yang diproksikan dengan total aktiva tidak berpengaruh terhadap audit delay.

DER secara parsial tidak mempunyai pengaruh signifikan terhadap

audit delay. Hasil penelitian ini mendukung hasil penelitian Supriyati (2005). Namun, hasil penelitian ini tidak sejalan dengan penelitian Ahmad Kammarudin (2001). Hasil penelitian terdahulu menyatakan bahwa teori debt to equity ratio mempunyai hubungan yang positif dengan audit delay. Berdasarkan hasil pengamatan bahwa tidak terdapat pengaruh DER terhadap

audit delay. Hal ini bertentangan dengan logika teori yang dipaparkan sebelumnya yaitu semakin kecil debt to equity ratio maka semakin baik bagi perusahaan, karena dengan debt to equity ratio yang kecil, maka audit atas laporan keuangan menjadi lebih cepat sehingga tidak mengalami audit delay

dan lebih cepat menyediakan laporan keuangan tahunan yang telah diaudit kepada kreditor. Opini Audit tidak berpengaruh signifikan terhadap audit delay. Hasil ini mendukung hasil penelitian terdahulu yang dilakukan oleh Supriyati ( 2005 ), namun hasil penelitian ini tidak sejalan dengan hasil penelitian Ahmad kamarudin ( 2001 ) dimana hasil penelitian menunjukkan opini audit berpengaruh terhadap audit delay.

Afiliasi KAP berpengaruh secara parsial terhadap audit delay. Hasil ini mendukung penelitian yang dilakukan Ahmad Kamarudin (2001) dan Utami (2006). Hal tersebut bertentangan dengan hasil penelitian Deart dan Rustiana (2007). Berdasarkan hasil pengamatan, lamanya audit delay yang dilakukan oleh KAP yang bermitra dengan ”The Big Four” dan yang dilakukan KAP ”Non Big Four” memperlihatkan perbedaan yang signifikan. Hal ini mendukung teori yang dipaparkan sebelumnya, bahwa pada umumnya, KAP

besar (bekerja sama dengan KAP internasional) memiliki kualitas yang lebih tinggi karena auditor tersebut memiliki karakteristik yang dapat dikaitkan dengan kualitas, seperti pelatihan, pengakuan internasional, serta adanya peer review.

Ukuran perusahaan ( yang diukur dengan TATO ), DER, Opini Audit, dan Afiliasi KAP secara bersama memiliki pengaruh terhadap audit delay.

BAB V

Dalam dokumen Pengaruh Faktor Internal Dan Eksternal Perusahaan Terhadap Audit Delay Pada Perusahaan Property Dan Real Estate Yang Terdaftar Di Bursa Efek Indonesia (Halaman 58-78)