BAB IV HASIL DAN PEMBAHASAN
B. Hasil Uji Analisis Data Penelitian
2. Hasil Uji Hipotesis Penelitian
Analisis regresi logistik dalam penelitian ini menggunakan analisis regresi logistik dengan tipe regresi logistik biner. Regresi biner digunakan untuk memprediksi besarnya variabel tergantung atau variabel keluaran yang merupakan variabel biner dengan menggunakan variabel berskala interval yang sudah diketahui. Variabel biner adalah data dengan skala nominal (kategorial) yang hanya terdiri dari dua kemungkinan (Sarwono dan Budiono, 2012).
Dalam penelitian ini untuk perusahaan perbankan variabel dependen (respons) Y bertipe kategorial atau dua pilihan yaitu: non internet financial reporting (IFR) = 0 dan internet financial reporting (IFR)= 1. Keterangan ini dapat dilihat dalam tabel identifikasi data:
Tabel 4.3 Identifikasi Data Dependent Variable Encoding
Original Value Internal Value
Non Internet Financial Reporting 0
Internet Financial Reporting 1
Sumber: data diolah
Dalam penelitian ini jumlah data yang diproses sebanyak 100 atau N=100. Untuk melihat kelengkapan daya yang diproses dalam penelitian ini dan tidak adanya missing case ditunjukkan pada tabel Case Processing Summary sebagai berikut:
Tabel 4.4 Data Yang Diproses Case Processing Summary
Unweighted Casesa N Percent
Selected Cases Included in Analysis 100 100.0 Missing Cases 0 .0 Total 100 100.0 Unselected Cases 0 .0 Total 100 100.0
a. If weight is in effect, see classification table for the total number of cases.
Tahapan dalam pengujian dengan menggunakan uji regresi logistik dapat dijelaskan sebagai berikut (Ghozali, 2011):
a. Menilai Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Model ini untuk menguji hipotesis nol bahwa data empiris sesuai dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Jika nilai statistik Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05 maka hipotesis nol ditolak, hal ini berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 0,05 maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan bahwa model dapat diterima karena sesuai dengan data observasinya (Ghozali, 2011).
Tabel 4.5
Kelayakan Model Regresi Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 .990 8 .998
Sumber: data diolah
Untuk menguji kelayakan model regresi kita menggunakan angka probabilitas pada bagian Hosmer and Lemeshow’s Goodness of Fit Test.
Dari output yang diperoleh nilai Chi-square sebesar 0,990 dengan probabilitas 0,998 atau lebih besar dari 0,05 (p > 0,05) maka model dapat
b. Hasil Uji Overall Model Fit
Adanya pengurangan nilai antara -2LogL awal dengan -2LogL pada langkah berikutnya menunjukkan bahwa model dihipotesiskan fit dengan data (Ghozali, 2011). Log likelihood mirip dengan pengertian
“sum of square error” pada model regresi, sehingga penurunan model
log likelihood menunjukkan model regresi yang semakin baik.
Untuk melihat model yang lebih baik untuk memprediksi kemungkinan terjadinya internet financial reporting pada perusahaan perbankan menggunakan nilai -2 log likelihood. Dari hasil perhitungan terjadi penurunan nilai -2 log likelihood pada blok pertama (block number = 0) yaitu nilai -2 log likelihood sebesar 68,780 seperti yang terlihat pada tabel 4.6 dibanding -2 log likelihood pada blok kedua (block number = 1) yaitu nilai -2 log likelihood sebesar 60,192 seperti yang terlihat pada tabel 4.7. Hasil ini memberikan simpulan bahwa model regresi kedua lebih baik dari pada regresi model pertama dalam memprediksi pengungkapan internet financial reporting.
Tabel 4.6
Hasil Uji Overall Model Fit (Block Number = 0)
Iteration Historya,b,c
Iteration -2 Log likelihood Coefficients
Constant Step 0 1 68.780 1.600 2 65.130 2.086 3 65.017 2.193 4 65.017 2.197 5 65.017 2.197
a. Constant is included in the model. b. Initial -2 Log Likelihood: 65.017
c. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Tabel 4.7
Hasil Uji Overall Model Fit (block number = 1)
Iteration Historya,b,c,d
Iteration -2 Log likelihood
Coefficients
Constant LIK SOLV PROF SIZE UMUR AUDIT
Step 1 1 60.192 .945 -.783 -1.824 .625 .289 -.012 .640 2 49.415 .153 -1.423 -3.347 1.123 .803 -.043 1.169 3 44.754 -2.717 -1.654 -3.995 1.345 1.812 -.109 1.442 4 42.080 -7.604 -1.692 -4.055 1.489 3.387 -.209 1.592 5 41.296 -11.181 -1.769 -4.450 1.855 4.569 -.280 1.884 6 41.212 -12.475 -1.803 -4.837 2.155 5.004 -.303 2.080 7 41.210 -12.665 -1.809 -4.914 2.214 5.069 -.306 2.116 8 41.210 -12.669 -1.809 -4.916 2.216 5.070 -.306 2.117 9 41.210 -12.669 -1.809 -4.916 2.216 5.070 -.306 2.117 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 65.017
d. Estimation terminated at iteration number 9 because parameter estimates changed by less than .001.
Sumber: data diolah
c. Hasil Uji Koefisien Determinasi
Besarnya nilai koefisien determinasi pada model regresi logistik pada perusahaan perbankan ditunjukkan oleh nilai nagelkerke R square
yang merupakan modifikasi dari koefisien cox & snell R square untuk memastikan bahwa nilainya bervariasi dari 0 sampa 1. Nilai nagelkerke R square adalah sebesar 0,443 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 44,3 %.
Tabel 4.8
Hasil Uji Koefisien Cox & Snell R Square dan Negelkerke R Square Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 41.210a .212 .443
a. Estimation terminated at iteration number 9 because parameter estimates changed by less than .001.
d. Hasil Uji Tabel Klasifikasi
Menurut prediksi, perusahaan yang mengungkapkan internet financial reporting adalah 100 perusahaan sedangkan hasil observasi menunjukkan hanya 90 perusahaan, jadi ketepatan klasifikasi yang diamati untuk perusahaan yang mengungkapkan internet financial reporting sebesar 98,9% (89/90), sedangkan prediksi untuk perusahaan
non internet financial reporting adalah 100 perusahaan dan hasil observasinya hanya 10 perusahaan, maka ketepatan prediksi klasifikasi yang diamati untuk perusahaan non internet financial reporting sebesar secara keseluruhan ketepatan klasifikasi sebesar 10,0% (1/10).
Tabel 4.9 Hasil Uji Klasifikasi
Classification Tablea Observed Predicted IFR Percentage Correct Non Internet Financial Reporting Internet Financial Reporting Step 1 IFR Non Internet Financial Reporting 1 9 10.0 Internet Financial Reporting 1 89 98.9 Overall Percentage 90.0
a. The cut value is .500
Sumber: data diolah e. Hasil Matriks Klasifikasi
Pengujian hipotesis dilakukan dengan cara membandingkan antara nilai probabilitas (sig). Apabila terlihat angka signifikan lebih kecil dari 0,10 maka koefisien regresi adalah signifikan pada tingkat 10 % maka berarti H0 ditolak dan H1 diterima, yang berarti bahwa variabel
Analisis uji regresi iniuntuk menguji seberapa jauh semua variabel terikat. Hasil koefisien regresi dapat ditentukan dengan menggunakan nilai probabilitas (sig) pada tabel berikut:
Tabel 4.10
Hasil Uji Signifikansi Data Variables in the Equation
B S.E. Wald Df Sig. Exp(B)
Step 1a LIK -1.809 2.458 .542 1 .462 .164 SOLV -4.916 5.646 .758 1 .384 .007 PROF 2.216 4.527 .240 1 .625 9.167 SIZE 5.070 2.174 5.439 1 .020 159.176 UMUR -.306 .140 4.802 1 .028 .736 AUDIT 2.117 1.213 3.046 1 .081 8.307 Constant -12.669 7.573 2.798 1 .094 .000
a. Variable(s) entered on step 1: LIK, SOLV, PROF, SIZE, UMUR, AUDIT.
Sumber: data diolah
Hasil pengujian terhadap koefisien regresi logistik menghasilkan model berikut ini:
Ln = + LIK + SOLV + PROF + SIZE + UMUR + AUDIT +
Ln = - 12,669 - 1,809 LIK – 4,916 SOLV + 2,216 PROF + 5,070 SIZE - 0,306 UMUR + 2,117 AUDIT +
Tabel 4.11
Ringkasan Hasil Uji Signifikansi
No Hipotesis Hasil Uji Signifikansi
1 Rasio likuiditas berpengaruh terhadap pengungkapan internet financial reporting.
Tidak Didukung 2 Rasio solvabilitas berpengaruh terhadap
pengungkapan internet financial reporting.
Tidak didukung 3 Rasio profabilitas berpengaruh terhadap
pengungkapan internet financial reporting.
Tabel 4.11 (Lanjutan)
No Hipotesis Hasil Uji Signifikansi
4 Ukuran bank berpengaruh terhadap pengungkapan internet financial reporting.
Didukung 5 Umur listing berpengaruh terhadap
pengungkapan internet financial reporting.
Didukung 6 Reputasi auditor berpengaruh terhadap
pengungkapan internet financial reporting.
Didukung Sumber: Data skunder yang diolah
1) Tingkat Likuiditas Bank Tidak Berpengaruh Terhadap Pengungkapan Internet Financial Reporting
Hasil menunjukkan bahwa variabel rasio likuiditas yang diproksikan dengan Z”score tidak berpengaruh secara signifikan terhadap pengungkapan internet financial reporting. Dengan bukti empiris bahwa nilai signifikansi (sig) dari variabel tersebut adalah 0,462 lebih besar dari 0,10 artinya bahwa H1 ditolak, hasil sesuai
dengan penelitian yang dilakukan oleh Indah Permata Sari (2011), dalam penelitian yang berjudul “Analisis Faktor-Faktor Yang Mempengaruhi Praktik Penerapan Internet Financial Reporting (IFR) Pada Perbankan Di Indonesia”. Metode yang digunakan menggunakan analisis parsial least square (PLS). Hasil penelitian menyatakan bahwa kinerja keuangan tidak berpengaruh terhadap IFR dan ukuran perbankan memiliki pengaruh yang signifikan terhadap IFR (Internet Financial Reporting). Namun, penelitian tidak sesuai dengan penelitian yang dilakukan oleh Chariri, et al. (2005) yang meneliti
analisis faktor-faktor yang mempengaruhi internet financial reporting
dalam website perusahaan Hasil penelitian ini mengungkapkan bahwa hanya ukuran perusahaan, likuiditas, solvabilitas, reputasi auditor, dan umur listing yang berpengaruh signifikan terhadap praktik IFR di perusahaan. Ketidaksesuaian penelitian yang dilakukan oleh Chariri, et al. (2005), karena adanya perbedaan objek penelitian yaitu pada penelitian terdahulu menggunakan perusahaan manufaktur sedangkan penelitian ini menggunakan perusahaan perbankan.
2) Tingkat Solvabilitas Bank Tidak Berpengaruh Terhadap Pengungkapan Internet Financial Reporting
Hasil menunjukkan bahwa variabel rasio solvabilitas tidak berpengaruh secara signifikan terhadap pengungkapan internet financial reporting. Dengan bukti empiris bahwa nilai signifikansi (sig) dari variabel tersebut adalah 0,384 lebih besar dari 0,10 artinya bahwa H2 ditolak. Hal ini sesuai dengan hasil penelitian yang
dilakukan oleh Al-Shammari (2007), dalam penelitianya yang berjudul “Determinants Of Internet Financial Reporting By Listed Companies On The Kuwait Stock Exchange”. Metode yang digunakan adalah menggunakan regresi logistik, hasil penelitian menyatakan
bahwa ukuran perusahaan, reputasi auditor, likuiditas, dan jenis
industri berhubungan dengan praktik IFR, sedangkan leverage,
company age, ownership structure tidak berpengaruh terhadap
Hasil didukung oleh penelitian lain yang dilakukan oleh Luciana Spica Almalia (2008), dalam penelitiannya yang berjudul “Faktor-Faktor Yang Mempengaruhi Pengungkapan Sukarela Internet Financial And Sustainability Reporting”. Metode yang digunakan menggunakan regresi linier berganda. Hasil penelitiannya menyatakan
bahwa ukuran perusahaan, profitabilitas dan struktur kepemilikan luar
berpengaruh terhadap praktik IFR, sementara leverage, kepemilikan asing dan kepemilikan publik tidak berpengaruh.
3) Tingkat Profitabilitas Bank Tidak Berpengaruh Terhadap Pengungkapan Internet Financial Reporting
Hasil menunjukkan bahwa variabel rasio profitabilitas pada perusahaan perbankan tidak berpengaruh secara signifikan terhadap pengungkapan internet financial reporting. Dengan bukti empiris bahwa nilai signifikansi (sig) dari variabel tersebut adalah 0,625 lebih besar dari 0,10 artinya bahwa H3 ditolak.
Hal ini sesuai dengan penelitian yang dilakukan oleh Rahardjo (2012) menemukan faktor lain yang berpengaruh yakni, ukuran perbankan dan status listing berpengaruh secara positif dan signifikan terhadap tingkat pengungkapan informasi keuangan dan non keuangan melalui website perbankan di Indonesia. Sedangkan rasio profabilitas dan leverage tidak berpengaruh terhadap pengungkapan informasi keuangan dan non keuangan melalui website perbankan di Indonesia. Diperkuat dengan hasil penelitian yang dilakukan oleh Al-Shammari
(2007) dalam penelitianya yang berjudul company size, leverage, liquidity, profitability, company age, ownership structure, industry, auditing firm and internationality. Hasil penelitian menyatakan bahwa ukuran perusahaan, reputasi auditor, likuiditas, dan jenis industri berhubungan dengan Praktik IFR, sedangkan company age, ownership structure, industry tidak berhubungan terhadap Praktik IFR.
4) Ukuran Bank Berpengaruh Positif Terhadap Pengungkapan Internet Financial Reporting
Hasil menunjukkan bahwa variabel ukuran bank pada perusahaan perbankan berpengaruh secara signifikan terhadap pengungkapan internet financial reporting. Dengan bukti empiris bahwa nilai signifikansi (sig) dari variabel tersebut adalah 0,020 lebih kecil dari 0,10 artinya bahwa H4 diterima.
Hasil sesuai dengan penelitian yang dilakukan oleh Rahardjo (2012) menemukan faktor lain yang berpengaruh yakni, ukuran perbankan dan status listing berpengaruh secara positif dan signifikan terhadap tingkat pengungkapan informasi keuangan dan non keuangan melalui website perbankan di Indonesia. Sedangkan rasio profabilitas dan leverage tidak berpengaruh terhadap pengungkapan informasi keuangan dan non keuangan melalui website perbankan di Indonesia.
Penelitian lain juga mendukung hasil penelitian yang menyatakan bahwa ukuran perbankan berpengaruh penelitain yang mendukung adalah penelitian yang dilakukan oleh Almilia (2008),
dalam penelitianya yang berjudul “Faktor-Faktor Yang
Mempengaruhi Pengungkapan Sukarela Internet Financial And
Sustainability Reporting”. Metode yang digunakan menggunakan
regresi linier berganda. Hasil penelitianya menyatakan bahwa ukuran
perusahaan, profitabilitas dan struktur kepemilikan luar berpengaruh terhadap praktik IFR, sementara leverage, kepemilikan asing dan kepemilikan publik tidak berpengaruh.
5) Umur Listing Berpengaruh Negatif Terhadap Pengungkapan Internet Financial Reporting
Hasil menunjukkan bahwa variabel umur listing pada perusahaan perbankan berpengaruh secara signifikan terhadap pengungkapan internet financial reporting. Dengan bukti empiris bahwa nilai signifikansi (sig) dari variabel tersebut adalah 0,028 lebih kecil dari 0,10 artinya bahwa H5 diterima.
Hasil sesuai dengan penelitian yang dilakukan oleh Chariri, et al. (2005) yang meneliti analisis faktor-faktor yang memperngaruhi
internet financial reporting dalam website perusahaan Hasil penelitian ini mengungkapkan bahwa hanya ukuran perusahaan, likuiditas, solvabilitas, reputasi auditor, dan umur listing yang berpengaruh signifikan terhadap praktik IFR di perusahaan.
6) Reputasi Auditor Berpengaruh Positif Terhadap Pengungkapan Internet Financial Reporting
Hasil menunjukkan bahwa variabel reputasi auditor pada perusahaan perbankan berpengaruh secara signifikan terhadap pengungkapan internet financial reporting. Dengan bukti empiris bahwa nilai signifikansi (sig) dari variabel tersebut adalah 0,081 lebih besar dari 0,10 artinya bahwa H6 diterima.
Hasil sesuai dengan penelitian yang dilakukan oleh Chariri, et al. (2005) yang meneliti analisis faktor-faktor yang memperngaruhi
internet financial reporting dalam website perusahaan Hasil penelitian ini mengungkapkan bahwa hanya ukuran perusahaan, likuiditas, solvabilitas, reputasi auditor, dan umur listing yang berpengaruh signifikan terhadap praktik IFR di perusahaan. Hasil diperkuat dengan penelitian yang dilakukan oleh Al-Shammari (2007) dalam penelitiannya yang berjudul company size, leverage, liquidity, profitability, company age, ownership structure, industry, auditing firm and internationality. Hasil penelitian menyatakan bahwa ukuran perusahaan, reputasi auditor, likuiditas, dan jenis industri berhubungan dengan Praktik IFR, sedangkan company age, ownership structure, industry tidak berhubungan terhadap Praktik IFR.