PENEMUAN DAN PEMBAHASAN
B. Hasil Uji Instrumen Penelitian 1.Analisis Statistik Deskriptif 1.Analisis Statistik Deskriptif
Data yang digunakan dan dianalisis dalam penelitian ini adalah data informasi keuangan berupa laporan audit dan laporan keuangan perusahaan keuangan go public yang terdaftar di Bursa Efek Indonesia (BEI) pada tahun 2009 sampai dengan tahun 2011.
a. Audit Delay
Variabel dependen yang digunakan adalah lamanya proses audit yang dihitung dari tanggal tutup buku yaitu 31 Desember hingga diterbitkannya laporan audit (audit delay). Berdasarkan data mengenai audit delay yang berhasil dihimpun dari perusahaan keuangan menunjukan bahwa waktu pelaksanaan audit minimal adalah 19 hari dan jangka waktu paling lama adalah 137 hari dengan rata-rata audit delay 72 hari. Selengkapnya dapat dilihat di tabel berikut:
Tabel 4.1
Statistik Deskriptif Data Audit Delay
Variabel Minimal Maksimal Rata-rata
Sesuai dengan tabel diperoleh informasi nilai untuk jangkauan (137-19) hari = 118. Apabila angka tersebut dibagi menjadi 4 kategori, maka diperoleh angka 29,5 untuk setiap lebar kategorinya. Berikut tabel selengkapnya:
Tabel 4.2
Distribusi Kecenderungan Frekuensi Audit Delay
No Skor Frekuensi Persentase Kategori
1 2 3 4 19,0 – 48,5 48,6 – 78,1 78,2 – 107,7 107,8 – 137,3 21 64 59 3 14,3 43,5 40,1 2,1 Sangat Cepat Cepat Lambat Sangat Lambat Jumlah 147 100
Sesuai dengan tabel, maka dapat diperoleh informasi bahwa perusahaan keuangan yang terdaftar di BEI untuk periode 2009-2011 memiliki audit delay dengan kategori cepat (Yulianti, 2011).
b. Ukuran Perusahaan
Ukuran perusahaan dihitung dari banyaknya aktiva yang dimiliki oleh perusahaan tersebut. Ukuran perusahaan pada perusahaan keuangan memiliki nilai minimal 1,35 dan nilai maksimal sebesar 5,74 dengan nilai rata-rata 3,65. Selengkapnya dapat dilihat ditabel berikut:
Tabel 4.3
Statistik Deskriptif Data Ukuran Perusahaan
Variabel Minimal Maksimal Rata-rata
Berdasarkan informasi tabel diperoleh rentang ukuran perusahaan adalah (5,74 – 1,35) = 4,39. Apabila dibagi 4 kategori, maka diperoleh angka 1,09 untuk setiap lebar kategorinya. Berikut tabel selengkapnya:
Tabel 4.4
Distribusi Kecenderungan Frekuensi Ukuran Perusahaan
No Skor Frekuensi Persentase Kategori
1 2 3 4 1,35 – 2,44 2,45 – 3,54 3,55 – 4,64 4,65 – 5,74 22 48 41 36 14,9 32,6 27,9 24,6 Sangat Besar Besar Kecil Sangat Kecil Jumlah 147 100
Sesuai dengan tabel, maka dapat diperoleh informasi bahwa perusahaan keuangan yang terdaftar di BEI untuk periode 2009-2011 memiliki ukuran perusahaan dengan kategori besar (Yulianti, 2011). c. Reputasi Auditor
Reputasi auditor dibedakan menjadi kategori the big four dan non the big four. Berdasarkan data yang diperoleh ternyata yang masuk dalam the big four sebanyak 42,8%, sedangkan yang tidak masuk dalam the big four ada 57,2%. Hal ini menandakan bahwa auditor KAP di BEI untuk perusahaan keuangan adalah sebagian besar masuk kategori nonthe big four. Berikut tabel selengkapnya:
Tabel 4.5
Distribusi Kategori Reputasi Auditor
No Kategori Frekuensi Persentase
1 2
The Big Four Non The Big Four
63 84
42,8 57,2
d. Opini Audit
Opini audit dibedakan menjadi kategori unqualified opinion dan qualified opinion. Berdasarkan data yang diperoleh ternyata yang termasuk unqualified opinion sebanyak 97,9%, sedangkan yang termasuk qualified opinion sebanyak 2,1%. Hal ini menandakan bahwa laporan keuangan dari perusahaan keuangan yang terdaftar di BEI memiliki pendapat auditor sebagian besar yakni unqualified opinion. Berikut tabel selengkapnya:
Tabel 4.6
Distribusi Kategori Opini Audit
No Kategori Frekuensi Persentase
1 2 Unqualified Opinion Qualified Opinion 144 3 97,9 2,1 147 100 e. Profitabilitas
Profitabilitas perusahaan keuangan yang terdaftar di BEI tahun 2009-2011 memiliki nilai minimal - 0,11 dan nilai maksimal 1,74 dengan nilai rata-rata sebesar 0,35. Berikut data selengkapnya:
Tabel 4.7
Statistik Deskriptif Data Profitabilitas
Variabel Minimal Maksimal Rata-rata
Profitabilitas -0,11 1,74 0,35
Berdasarkan informasi tabel diatas, maka rentang profitabilitas adalah (1,74 – (-0,11)) = 1,85. Apabila dibagi dalam 4 kategori, maka lebar kelas menjadi 0,46 untuk setiap kategorinya. Berikut tabel
Tabel 4.8
Distribusi Kecenderungan Frekuensi Profitabilitas
No Skor Frekuensi Persentase Kategori
1 2 3 4 -0,11 – 0,35 0,36 – 0.82 0,83 – 1,29 1,30 – 1,76 107 17 18 5 72,8 11,6 12,2 3,4 Sangat Tinggi Tinggi Rendah Sangat Rendah 147 100
Sesuai dengan tabel diatas, maka dapat diperoleh informasi bahwa perusahaan keuangan yang terdaftar di BEI untuk periode 2009-2011 memiliki profitabilitas sangat tinggi (Yulianti, 2009-2011).
f. Solvabilitas
Solvabilitas perusahaan keuangan yang terdaftar di BEI tahun 2009-2011 memiliki nilai minimal 0,03 dan nilai maksimal 1,03 dengan nilai rata-rata sebesar 0,66. Berikut tabel selengkapnya:
Tabel 4.9
Statistik Deskriptif Data Solvabilitas
Variabel Minimal Maksimal Rata-rata
Solvabilitas 0,01 1,03 0,66
Berdasarkan informasi tabel diatas, maka rentang solvabilitas adalah (1,03 – 0,01) = 1,02. Apabila dibagi dalam 4 kategori, maka lebar kelas menjadi 0,25 untuk setiap kategorinya. Berikut tabel selengkapnya:
Tabel 4.10
Distribusi Kecenderungan Frekuensi Solvabilitas
No Skor Frekuensi Persentase Kategori
1 2 3 4 0,01 – 0,26 0,27 – 0,52 0,53 – 0,78 0,79 – 1,04 9 27 38 73 6,1 18,4 25,8 49,7 Sangat Tinggi Tinggi Rendah Sangat Rendah 147 100
Sesuai dengan tabel diatas, maka dapat diperoleh informasi bahwa perusahaan keuangan yang terdaftar di BEI untuk periode 2009-2011 memiliki solvabilitas sangat rendah (Yulianti, 2009-2011).
2. Analisis Inferensia
a. Estimasi Model Regresi Data Panel
Model regresi data panel dapat dilakukan melalui tiga model estimasi, yaitu common effects, fixed effects, dan random effects yang memiliki asumsi berbeda terhadap intersepnya. Model common effects mengasumsikan bahwa dalam berbagai kurun waktu, audit delay dari setiap perusahaan adalah sama. Berbeda dengan model fixed effects mengasumsikan bahwa dalam berbagai kurun waktu, audit delay dari setiap perusahaan berbeda. Bisa dikatakan bahwa nilai intersep pada model estimasi yang berbeda untuk setiap perusahaan. Sama halnya dengan model fixed effects, model random effects juga mengasumsikan bahwa dalam berbagai kurun waktu, audit delay dari setiap perusahaan berbeda. Namun terdapat perbedaan dalam sifat intersepnya, pada model fixed effects intersep bersifat tetap (non-stochastic) sedangkan pada model random effects intersep diasumsikan bersifat acak
Pemilihan model estimasi terbaik akan dilakukan terhadap ketiga jenis model tersebut. Untuk menentukkan model estimasi terbaik tersebut akan dilakukan beberapa prosedur pengujian formal, yaitu: uji statistik F untuk memilih antara model common effects atau fixed effects; uji Langrange Multiplier (LM) untuk memilih antara common effects atau random effects; uji Hausman untuk memilih antara model fixed effects atau random effects. Selanjutnya, untuk model estimasi data panel terpilih akan dilakukan pengujian untuk memilih estimator dengan struktur varians-kovarians residual yang lebih baik.
b. Pemilihan Model Terbaik
Awal pemilihan model regresi terbaik adalah pengujian signifikansi model fixed effects. Pengujian ini bertujuan untuk mengetahui apakah model estimasi fixed effects lebih baik dari model regresi common effects. Berdasarkan output uji signifikansi model fixed effect, ternyata diperoleh p-value sebesar 0,000. Dengan demikian hipotesis null ditolak, sehingga dapat disimpulkan bahwa pada alpha lima persen, intersep untuk setiap variabel adalah berbeda, yang artinya bahwa model fixed effects lebih baik dari common effects.
Menurut Baltagi dalam alur pemilihan model terbaik, langsung dilakukan pengujian signifikansi random effect terhadap fixed effect. Pengujian itu dilakukan dengan tes Haussman. Setelah dilakukan pengujian, ternyata memberikan hasil yang invalid dikarenakan statistic hitungnya bernilai negatif. Nilai negatif ini kemudian
dijadikan nol dengan probability chi square menjadi 1. Pengujian Hausman yang invalid ini mendorong peneliti untuk memutuskan tidak memakai random effects sebagai model terbaik. Keputusan ini juga didukung oleh alasan-alasan lain berkaitan dengan ukuran statistik yang dihasilkan oleh metode random effects yang tidak mendukung hipotesis penelitian. Sehingga model yang dipakai dalam penelitian ini adalah persamaan regresi data panel dengan teknik fixed effects.
Setelah fixed effects terpilih, selanjutnya dilakukan identifikasi struktur matriks residual varian-kovarian. Penyesuaian model regresi berdasarkan matriks varians kovarians bertujuan untuk menghindari model fixed effects yang bias bila terdapat heteroskedastisitas. Statistik uji yang digunakan adalah statistik tes LM (Langrange Multiplier). Hasil penghitungan pengujian LM menunjukkan hasil yang signifikan, diperoleh nilai LM-statistic = 72,52 yang lebih besar dari wilayah kritis = 66,34. Hal ini memutuskan bahwa hipotesis null
ditolak, yang berarti bahwa pada alpha lima persen model estimasi fixed effects dengan struktur varians kovarians yang bersifat heteroskedastik lebih baik untuk digunakan dibandingkan dengan model estimasi fixed effects dengan struktur varians kovarians yang bersifat homoskedastik.
Hasil pengujian struktur matriks varians-covarians
heteroskedastik dan cross sectional correlation didapat nilai
ℎ� �� = 1729,10 yang lebih dari wilayah kritis (0,05;105) = 1256,89 sehingga kita memutuskan untuk menolak H0 yang berarti
bahwa struktur varians-covarians residual bersifat heteroskedastik dan ada cross sectional correlation. Untuk mengakomodir terjadinya heteroskedastisitas dan cross sectional correlation maka digunakan FGLS sebagai metode estimasinya, sehingga estimator yang dihasilkan tetap memiliki sifat BLUE.
c. Pengujian Asumsi Klasik
Setelah didapatkan hasil estimasi yang terbaik, maka langkah selanjutnya adalah uji normalitas. Hasil pengujiannya memperlihatkan bahwa asumsi normalitas dari residual telah terpenuhi. Hal ini ditandai dari signifikansi uji Jarque-Bera yang menunjukkan probability lebih besar dari tingkat signifikansi sebesar lima persen. Oleh karena itu, hipotesis nul tidak dapat ditolak, sehingga dapat disimpulkan bahwa residual berdistribusi normal.
Akan tetapi pada asumsi non autokorelasi, hasilnya belum bisa ditarik kesimpulan. Hal ini dapat diidentifikasi dari model memiliki nilai Durbin Watson sebesar 2,44. Hal ini dikarenakan nilai DW berada di wilayah keputusan tidak bisa disimpulkan. Yaitu dimana nilai DW kurang dari sama dengan 4-DL dan lebih dari sama dengan 4-DU.
Asumsi non multikolinieritas juga telah terpenuhi. Nilai variance inflation factor (VIF) seluruh variabel independen lebih kecil dari 10. Oleh karena itu, dapat disimpulkan bahwa tidak terjadi hubungan linier (non multikolinieritas) di antara variabel independen.
Tabel 4.11 Uji Multikolinieritas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) SOL .737 1.357 PROF .986 1.014 UP .652 1.534 REPU .801 1.248 OA .956 1.047
a. Dependent Variable: lnad
Nilai VIF di atas dapat dilihat bahwa rata-rata nilai VIF < 10. Hal ini mengindikasikan bahwa tidak ada gejala multikolinearitas di dalam model. Dengan demikian diharapkan semua variabel independen dapat memberikan pengaruh yang murni terhadap variabel dependen
d. Hasil Model Terbaik
Serangkaian uji yang telah dilakukan diatas didapat model terbaik adalah model regresi fixed effect cross sectional weigth. Model yang didapat adalah sebagai berikut:
� ̂ �
p-value (0,0255) (0,0000) (0,0084) (0,0000) (0,7268) � � � �
Nilai R-Squared adalah 0,9930 yang berarti bahwa 99 persen variasi elastisitas penerimaan audit delay dapat dijelaskan secara bersama-sama oleh variasi profitabilitas, solvabilitas, ukuran perusahaan, reputasi perusahaan, dan opini auditor. Nilai Prob(F-statistic)= 0,0000 artinya bahwa secara simultan semua variabel bebas signifikan mempengaruhi variabel tak bebasnya dengan tingkat kepercayaan 95 persen. Jika dilihat secara parsial t-statistic, solvabilitas, ukuran perusahaan, reputasi auditor, dan opini audit signifikan mempengaruhi variabel tak bebasnya dengan tingkat kepercayaan sebesar 95 persen.