HASIL PENELITIAN
4.4 Pengujian Model
4.4.1 Menilai Model Fit dan Keseluruhan Model
Uji ini digunakan untuk menilai model yang telah dihipotesakan telah fit atau tidak dengan data. Pengujian dilakukan dengan hipotesis :
Ho : Model yang dihipotesiskan fit dengan data Ha : Model yang dihipotesiskan tidak fit dengan data
Pengujian dilakukan dengan membandingkan nilai antara – 2 Log Likelihood pada awal
(block number = 0) dengan nilai -2 Log Likelihood pada akhir (block number = 1). Nilai -2 Log Likelihood awal pada block number = 0, ditunjukkan melalui tabel berikut :
Tabel 4.6 Likelihood Block 0 Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients Constant Step 0 1 38.267 1.111 2 38.139 1.248 3 38.139 1.253 4 38.139 1.253 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 38.139
c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Sumber : Output SPSS, diolah penulis, 2015 (Lampiran 11).
Tabel 4.7 Likelihood Block 1 Iteration Historya,b,c,d
Iteration -2 Log likelihood
Coefficients Constant FS ROA OA FA Step 1 1 28.971 .969 .000 1.106 1.179 -.053 2 22.576 1.189 .000 4.072 2.179 -.121 3 18.455 1.113 .000 8.762 3.770 -.202 4 17.207 1.043 .000 12.795 5.233 -.270 5 17.083 .987 .000 14.587 5.876 -.299 6 17.081 .968 .000 14.860 5.968 -.303 7 17.081 .967 .000 14.866 5.969 -.303 8 17.081 .967 .000 14.866 5.969 -.303 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 38.139
d. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.
Sumber : Output SPSS, diolah penulis, 2015 (Lampiran 11).
Tabel 4.7 menunjukkan bahwa -2 Log L awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada step 4 memperoleh nilai sebesar 38.139. Kemudian pada tabel 4.9 dapat dilihat bahwa setelah masuknya variabel independen pada model nilai -2 Log L akhir pada step 8 menunjukkan nilai 17.081.
Selisih antara nilai -2 Log L awal dengan nilai -2 Log L akhir adalah sebesar 21.058 (38.139
– 17.081). Adanya penurunan Likelihood ini menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
4.4.2 Menilai Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan
Hosmer and Lemeshow’s Goodness of Fit Test yang diukur dengan nilai Chi-Square.
Probabilitas signifikansi yang diperoleh kemudian dibandingkan dengan tingkat signifikansi
Hipotesis untuk menilai kelayakan model regresi adalah : Ho : tidak ada perbedaan antara model dengan data Ha : ada perbedaan antara model dengan data
Tabel 4.8 Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 5.108 7 .647
Sumber : Output SPSS, diolah penulis, 2015 (Lampiran 11).
Tabel 4.8 menunjukkan hasil pengujian Hosmer and Lemeshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 0.647. Nilai signifikansi yang diperoleh lebih
besar dari α (tingkat signifikansi) 0,05. Hal ini berarti model regresi layak untuk digunakan
dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati, atau dapat dikatakan model mampu memprediksi nilai observasinya.
4.4.3 Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Nilai
Nagelkerke R Square dapat diinterpretasikan seperti nilai R Square pada regresi berganda (Ghozali, 2006).
Tabel 4.9 Nagerkerke R Square Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 17.081a .443 .678
a. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.
Sumber : Output SPSS, diolah penulis, 2015 (Lampiran 11).
Tabel 4.9 menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data, nilai Nagelkerke R Square adalah sebesar 0,678 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 67,8%, sisanya sebesar 32,2% (100% - 67,8%) dijelaskan variabilitas variabel-variabel lain di luar model penelitian.
4.4.4 Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan ketepatan waktu pelaporan keuangan.
Tabel 4.10 Classification Tablea,b
Observed Predicted TL Percentage Correct 0 1 Step 0 TL 0 0 8 .0 1 0 28 100.0 Overall Percentage 77.8
a. Constant is included in the model. b. The cut value is .500
Sumber : Output SPSS, diolah penulis, 2015 (Lampiran 11).
Dari tabel 4.10 di atas dapat dilihat bahwa menurut prediksi, ketepatan waktu laporan keuangan adalah 28, observasi sesungguhnya menunjukkan bahwa ketepatan waktu laporan keuangan adalah 28. Jadi ketepatan model ini adalah 28/28 atau 100%. Ketepatan prediksi keseluruhan model ini adalah 77,8%.
4.5 Pengujian Hipotesis
Dalam uji regresi pengaruh antara variabel dependen dan variabel independen dapat dilihat pada Variables in the Equation. Dalam uji hipotesis dengan regresi logistik cukup dengan melihat Variables in the Equation, pada kolom Significant dibandingkan dengan tingkat kealphaan 0,05 (5%). Apabila tingkat signifikansi < 0,05, maka hipotesis diterima.
Tabel 4.11 Variables in the Equation
B Sig. Step 1a FS -3.275 .130 ROA 14.866 .029 OA 5.969 .014 FA -.303 .037 Constant .967 .730 a. Variable(s) entered on step 1: FS, ROA, OA, FA.
Tabel 4.11 menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikansi 5%. Dari pengujian dengan regresi logistik di atas maka diperoleh persamaan regresi logistik sebagai berikut ini :
TL = 0,967 – 3,275 FS + 14,866 ROA + 5,969 OA –0,303 FA + ε
Persamaan regresi tersebut dapat dijelaskan sebagai berikut:
1. Nilai konstanta sebesar 0,967 yang dihasilkan positif, artinya jika ketepatan waktu pelaporan keuangan tidak dipengaruhi oleh variabel Ukuran Perusahaan, Profitabilitas, Opini Audit dan Umur Perusahaan maka akan meningkatkan tingkat waktu pelaporan keuangan sebesar 0,967.
2. Ukuran Perusahaan sebesar -3,275 yang dihasilkan negatif, artinya jika ukuran perusahaan naik satu satuan, maka akan menurunkan ketepatan waktu pelaporan keuangan dengan syarat variabel lainnya konstan.
3. ROA sebesar 14,866 yang dihasilkan positif, artinya jika variabel ROA naik satu satuan maka akan meningkatkan ketepatan waktu pelaporan keuangan dengan syarat variabel lainnya konstan.
4. Umur Perusahaan sebesar -0,303 yang dihasilkan negatif, artinya jika umur perusahaan naik satu satuan maka akan menurunkan ketepatan waktu pelaporan keuangan dengan syarat variabel lainnya konstan.
Dari hasil pengujian di atas maka diperoleh hasil pengujian hipotesis sebagai berikut: Ukuran Perusahaan tidak berpengaruh terhadap ketepatan waktu pelaporan keuangan Berdasarkan tabel 4.11 menunjukkan bahwa nilai koefisien regresi variabel Ukuran Perusahaan bernilai positif sebesar -3,275 dengan nilai probabilitas (p) sebesar 0,130 > 0,05 yang berarti bahwa variabel Ukuran Perusahaan tidak berpengaruh terhadap ketepatan waktu
pelaporan keuangan. Hal ini mengandung arti bahwa ukuran perusahaan (FS) ditolak, dengan demikian terbukti bahwa ukuran perusahaan tidak mempengaruhi ketepatan waktu pelaporan keuangan perusahaan.
Profitabilitas berpengaruh negatif terhadap ketepatan waktu pelaporan keuangan. Berdasarkan tabel 4.11 menunjukkan bahwa nilai koefisien regresi variabel ROA bernilai negatif sebesar 14,866 dengan nilai probabilitas (p) sebesar 0,029 < 0,05 yang berarti bahwa variabel profitabilitas berpengaruh positif dan signifikan terhadap ketepatan waktu pelaporan keuangan. Hal ini mengandung arti bahwa profitabilitas (ROA) diterima, dengan demikian terbukti bahwa profitabilitas mempengaruhi ketepatan waktu pelaporan keuangan perusahaan.
Opini Audit berpengaruh positif terhadap ketepatan waktu pelaporan keuangan.Berdasarkan tabel 4.11 menunjukkan bahwa nilai koefisien regresi Opini Audit bernilai positif sebesar 5,969 dengan nilai probabilitas (p) sebesar 0,014 < 0,05 yang berarti bahwa variabel Opini Audit berpengaruh positif dan signifikan terhadap ketepatan waktu pelaporan keuangan. Hal ini mengandung arti bahwa opini audit (OA) diterima, dengan demikian terbukti bahwa opini audit mempengaruhi ketepatan waktu pelaporan keuangan perusahaan.
Umur perusahaan berpengaruh negatif terhadap ketepatan waktu pelaporan keuangan. Berdasarkan tabel 4.11 menunjukkan bahwa nilai koefisien regresi Umur perusahaan bernilai negatif sebesar -0,303 dengan nilai probabilitas (p) sebesar 0,037 < 0,05 yang berarti bahwa variabel Umur perusahaan berpengaruh negatif dan signifikan terhadap ketepatan waktu pelaporan keuangan. Hal ini mengandung arti bahwa umur perusahaan (FA) diterima, dengan demikian terbukti bahwa umur perusahaan mempengaruhi ketepatan waktu pelaporan keuangan perusahaan