BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.1.Statistik Deskriptif
Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data yang menggambarkan karakteristik sampel yang digunakan dalam penelitian ini.Analisis ini untuk menjelaskan karakteristik sampel terutama mencakup nilai rata rata (mean), nilai ekstrim yaitu nilai minimum dan nilai maksimum, serta standar deviasi. Hasil pengujian statistik deskriptif dari variabel yang diteliti ditunjukkan pada tabel 4.1 sebagai berikut:
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Sum Mean Std. Deviation
ACEFEC 42 3 10 296 7.05 1.637 SIZE 42 25.72 32.04 1225.44 29.1771 1.74591 GROWTH 42 -17.37375 7.92437 -38.34603 -.9130007 3.48414296 COMPLEX 42 0 1 36 .86 .354 FRLT 42 68 167 4770 113.57 21.881 Valid N (listwise) 42
Sumber: Output SPSS. Diolah peneliti 2016.
Berdasarkan tabel 4.1 dapat dideskripsikan beberapa hal sebagai berikut. 1. Jumlah sampel perusahaan adalah 42 perusahaan pertambangan, yaitu 14
perusahaan dikali dengan 3 tahun pengamatan penelitian.
2. Variabel independen efektivitas komite audit (ACEFEC) memiliki nilai minimum 3 dan nilai maksimum sebesar 10. Rata-rata ACEFEC sebesar 7,05 dengan standar deviasi 1,637.
3. Variabel independen karakteristik perusahaan yang diproksikan ukuran perusahaan (SIZE) memiliki nilai minimum 25,72 dan nilai maksimum 32,04. Rata-rata SIZE sebesar 29,1771dengan standar deviasi 1,74591. 4. Variabel independen karakteristik perusahanan diproksikan dengan
pertumbuhan perusahaan (GROWTH) memiliki nilai minimum sebesar -17,37375dan nilai maksimum sebesar 7,92437. Rata-rata untuk variabel GROWTH sebesar -0,9130007dengan standar deviasi sebesar 3,48414296.
5. Variabel independen karakteristik perusahanan diproksikan dengan kompleksitas perusahaan (COMPLEX) memiliki nilai minimum sebesar 0 dan nilai maksimum sebesar 1. Rata-rata untuk variabel COMPLEX sebesar 0,86dengan standar deviasi sebesar 0,354.
6. Variabel dependen Financial Reporting Lead Time (FRLT) memiliki nilai minimum sebesar 68, nilai maksimum sebesar 167, sedangkan nilai rata-rata sebesar 113,57 dan standar deviasi sebesar 21,81 yang berarti variasi data yaitu 19,2 % dari rata-rata.
4.2.2. Pengujian Asumsi Klasik
Pengujian asumsi klasik ini dimaksudkan untuk memastikan bahwa model yang diperoleh benar-benar memenuhi asumsi dasar dalam analisis regresi.Sebelum pengujian hipotesis dilakukan, terlebih dahulu perlu dilakukan pengujian terhadap gejala penyimpangan asumsi klasik. Pengujian asumsi klasik meliputi:
4.2.2.1 Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengetahui apakah variabel pengganggu atau variabel residual terdistribusi normal.Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng.
Gambar 4.1 Grafik Histogram
Sumber: Output SPSS. Diolah peneliti 2016
Pengujian normalitas data apakah terdistribusi normal atau tidak dengan melihat grafik histogram dan saja tidak cukup, sehingga perlu dilakukan uji normalitas data dengan menggunakan analisis statistik.Analisis statistik dapat dilakukan dengan pengujian kolmogorov smirnov.Untuk melihat apakah data terdistribusi normal atau tidak dapat dilihat dari nilai signifikansinya. Jika nilai signifikansinya lebih besar dari 0,05 maka data terdistribusi normal. Apabila nilai signifikansinya lebih kecil dari 0,05 maka data tidakterdistribusi normal. Pengujian tersebut dapat dilihat pada tabel berikut ini:
Tabel 4.2
Kolmogorov–Smirnov Test One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 42
Normal Parametersa,b Mean 0E-7 Std. Deviation 16.62898427
Most Extreme Differences
Absolute .122
Positive .122
Negative -.088
Kolmogorov-Smirnov Z .792
Asymp. Sig. (2-tailed) .558
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS. Diolah peneliti 2016
Hasil uji Kolmogorov Smirnov pada tabel diatas menunjukkan bahwa nilai signifikan atau nilai probabilitasnya sebesar 0,558. Maka dapat disimpulkan bahwa data terdistribusi normal (H0 diterima) karena nilai signifikannya lebih besar dari 0,05 yaitu 0,558 > 0,05. Pengujian normalitas data yang dilakukan dengan uji grafik dan uji statistik menunjukkan bahwa data terdistribusi normal sehingga uji hipotesis dapat dilakukan.
4.2.2.2 Uji Heterokedastisitas
Uji heteroskedastisitas adalah uji yang dilakukan untuk melihat apakah dalam model regresi terjadi perbedaan variabel residu dari satu pengamatan ke pengamatan lain (Ghozali, 2006:105). Hasil pengujian heteroskedastisitas dapat dilihat pada gambar 4.2 berikut ini:
Gambar 4.2 Grafik Scatterplot
Pengujian heteroskedastisitas pada gambar 4.2 menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat dikatakan tidak terjadi heteroskedastisitas dan model regresi layak dipakai untuk mengetahui faktor-faktor yang mempengaruhi Financial Reporting
Lead Time.
4.2.2.3 Uji Autokorelasi
Pengujian autokorelasi dilakukan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (periode sebelumnya).Jika terjadi korelasi, maka dinamalan ada
problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.Run test sebagai bagian dari statistic non-parametik dapat digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Hasil pengujian autokorelasi dapat dilihat pada tabel dibawah ini:
Tabel 4.3 Runs Test Runs Test Unstandardized Residual Test Valuea -3.41937 Cases < Test Value 21 Cases >= Test Value 21
Total Cases 42
Number of Runs 21
Z -.156
Asymp. Sig. (2-tailed) .876
a. Median
Sumber: Output SPSS. Diolah peneliti 2016
Berdasarkan data yang ada pada tabel 4.3, dapat dilihat bahwa nilai Run Test adalah sebesar -3,41937 dengan probabilitas 0,876 lebih besar daripada 0,05 yang berarti dapat disimpulkan bahwa residual random atau tidak terjadi autokorelasi antar nilai residual.
Uji multikolinearitas adalah uji yang dilakukan untuk mengetahui apakah pada model regresi ditemukan adanya korelasi di antara variabel independen.Model regresi yang baik seharusnya tidak terjadi multikolinearitas di antara variabel independen. Cara untuk mendeteksi terjadinya multikolinearitas yaitu dengan melihat nilai tolerance (TOL) dan variance
inflation factor (VIF). Jika nilai VIF < 10 dan nilai tolerance >
0,1, maka dapat disimpulkan tidak terjadi multikolinearitas. Hasil pengujian multikolinearitas pada penelitian ini adalah
sebagai berikut:
Sumber: Output SPSS. Diolah peneliti 2016
Berdasarkan data olahan pada tabel 4.4, maka dapat dilihat bahwa semua variabel independen memiliki nilai VIF < 10 dan nilai tolerance > 0,1. Dengan demikian, maka dapat disimpulkan
Tabel 4.4 Uji Multikolinearitas
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 170.810 61.216 ACEFEC -8.466 2.742 -.633 .371 2.696 SIZE -.174 2.565 -.014 .373 2.684 GROWTH -.199 .789 -.032 .989 1.011 COMPLEX 8.544 7.740 .138 .995 1.005 a. Dependent Variable: FRLT
bahwa tidak terjadi korelasi di antara variabel-variabel independen yang diuji dalam penelitian ini.
4.2.3.Pengujian Hipotesis
Pada penelitian ini peneliti melakukan pengujian hipotesis dengan menggunakan pengujian koefisien determinasi (R2), uji signifikansi simultan (Uji-F), dan uji signifikansi parsial (Uji-T).
4.2.3.1Koefisien Determinasi (R2)
Koefisien determinasi (R2) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya.Apabila nilai R2semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variabel dependen.
Tabel 4.5
Koefisien Determinasi (R2)
Sumber: Output SPSS. Diolah peneliti 2016
Hasil uji koefisien determinasi pada tabel 4.5menunjukkan nilai R sebesar 0,650 yang berarti korelasi atau hubungan antara variabel dependen dengan variabel independen cukup kuat karena lebih besar dari 0,5 (50%). Sementara nilai Adjusted R2adalah 0,422. Hal ini
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .650a .422 .360 17.505
saham sebesar 42,2% sedangkan sisanya yaitu 57,8% adalah pengaruh lain yang tidak dijelaskan dalam penelitian ini.
4.2.3.2 Uji Simultan (Uji-F)
Untuk melihat pengaruh secara simultan dari variabel independen dapat dilihat dengan menggunakan uji-F, yaitu apakah ACEFEC, SIZE, GROWTH,COMPLEX berpengaruh signifikan secara simultan terhadap FRLT dengan melihat apakah F hitung > F tabel atau F hitung < F tabel dimana tingkat signifikansinya yaitu < 0,05.
Tabel 4.6
Uji Signifikansi Simultann (Uji-F)
Sumber: Output SPSS. Diolah peneliti 2016
Diperoleh hasil F hitung 6,766 > F tabel 2,09 dan nilai signifikansinya 0,00 < 0,05, maka Ha yang diajukan dapat diterima, artinya Efektivitas Komite Audit, Karakteristik Perusahaan (Ukuran Perusahaan, Pertumbuhan Perusahaan, Kompleksitas Operasi) berpengaruh signifikan secara simultan terhadap Financial reporting
Lead Time.
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 8292.838 4 2073.209 6.766 .000b Residual 11337.448 37 306.418
Total 19630.286 41
a. Dependent Variable: FRLT
4.2.3.3 Uji Parsial (Uji-T)
Untuk melihat pengaruh secara parsial dari masing-masing variabel independen dapat dilihat dengan menggunakan uji-t , yaitu apakah ACEFEC,Karakteristik perusahaan (diproksikan dengan SIZE, GROWTH dan COMPLEX) berpengaruh signifikan secara parsial terhadap FRLT dengan melihat apakah t hitung > t tabel atau t hitung < t tabel dimana tingkat signifikasinya yaitu < 0,05.
Tabel 4.7
Uji Signifikansi Parsial (Uji-t)
.
Sumber: Output SPSS. Diolah peneliti 2016
T tabel dalam penelitian ini adalah sebesar 1,68195. Dari hasil Uji Signifikan Parsial (t) di atas dapat dijelaskan pengaruh variabel independen secara parsial, yaitu:
1. Variabel Efektivitas Komite Audit (ACEFEC) mempunyai nilai t-hitung sebesar -3,088 dan nilai t-tabel sebesar sehingga t-hitung > t-tabel (3,088 > 1,68195) dan memiliki nilai signifikan 0,004 < 0,05. Hal ini berarti Efektivitas komite
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) 170.810 61.216 2.790 .008 ACEFEC -8.466 2.742 -.633 -3.088 .004 SIZE -.174 2.565 -.014 -.068 .946 GROWTH -.199 .789 -.032 -.252 .802 COMPLEX 8.544 7.740 .138 1.104 .277 a. Dependent Variable: FRLT
auditsecara parsial berpengaruh negatif signifikan terhadap
Financial Reporting Lead Time.
2. Variabel Ukuran Perusahaan (SIZE) mempunyai nilai t-hitung sebesar-0.068dan nilai tabel sebesar sehingga hitung < t-tabel (0,068 < 1,68195) dan memiliki nilai signifikan 0,946 > 0,05. Hal ini berarti Ukuran Perusahaan(Size)secara parsialtidak berpengaruh terhadap Financial Reporting Lead
Time.
3. Variabel Pertumbuhan Perusahaan (GROWTH) mempunyai nilai t-hitung sebesar -0,252 dan nilai t-tabel sebesar sehingga t-hitung < t-tabel (0,252 < 1,68195) dan memiliki nilai signifikan 0,802< 0,05 Hal ini berarti Pertumbuhan Perusahaan(GROWTH)secara parsialtidak berpengaruh terhadap Financial Reporting Lead Time.
4. Variabel Kompleksitas Operasi Perusahaan (COMPLEX) mempunyai nilai t-hitung sebesar-0.068dan nilai t-tabel sebesar sehingga t-hitung > t-tabel (0,068 < 1,68195) dan memiliki nilai tidak signifikan 0,946 > 0,05. Hal ini berarti Kompleksitas Operasi Perusahaan(COMPLEX)secara parsialtidak berpengaruh terhadap Financial Reporting Lead
Time..
Dari hasil pengujian pada Tabel 4.7 diatas dapat diperoleh model persamaan regresi linier berganda, yaitu :
Y = 170,810 -8,466X1 - 0,174X2 -0,199X3 + 8,540X4+ e Model persamaan regresi linier berganda diatas dapat diinterpretasikan sebagai berikut :
1. Koefisien konstanta sebesar 170,810 menunjukkan apabila variabel independen bernilai tetap atau 0, maka jarak hari pelaporan keuangan dengan tanggal tutup buku ialah 170 hari. 2. X1 adalah Efektivitas Komite Audit (ACEFEC) memiliki nilai
koefisien sebesar -8,466 menunjukkan bahwa setiap kenaikan satu satuan variabel ACEFEC menyebabkan jarak hari pelaporan keuangan dengan tanggal tutup buku akan berkurang 8 hari dengan asumsi variabel lainnya tetap atau sama dengan nol.
3. X2 adalah Ukuran Perusahaan(SIZE) memiliki nilai koefisien sebesar -0,174 menunjukkan bahwa setiap kenaikan satu satuan variabel SIZE menyebabkan jarak hari pelaporan keuangan dengan tanggal tutup buku akan berkurang 0,1 hari dengan asumsi variabel lainnya tetap atau sama dengan nol. 4. X3 adalah Pertumbuhan Perusahaan (GROWTH) memiliki nilai
koefisien sebesar -0,199 menunjukkan bahwa setiap kenaikan satu satuan GROWTH menyebabkan jarak hari pelaporan keuangan dengan tanggal tutup buku akan berkurang sebesar 0,199 dengan asumsi variabel lainnya tetap atau sama dengan nol.
5. X4 adalah Kompleksitas Operasi Perusahaan (COMPLEX) memiliki nilai koefisien sebesar 8,540 menunjukkan bahwa setiap kenaikan satu satuan GROWTH menyebabkan jarak hari pelaporan keuangan dengan tanggal tutup buku akan meningkat 8hari dengan asumsi variabel lainnya tetap atau sama dengan nol.