Hipotesis ketujuh menyatakan bahwa sanksi BEI mampu memoderasi hubungan antara reputasi KAP terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.
4.9.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)
Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi- square yang tampak pada bagian bawah Hosmer and Lemeshow Test.(Tabel 4.32)
Tabel 4.32 Hosmer and Lemeshow Test
Hosmer and Lemeshow Test Step Chi-square df Sig.
1 .000 1 1.000
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.32 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistik Hosmer and Lemeshow sebesar 0,000 dengan probabilitas signifikansi menunjukkan angka 1,000, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05 (5%), maka hipotesis nol tidak dapat ditolak (H0 diterima atau didukung). 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 bahwa model mampu memprediksi nilai observasinya.
4.9.2 Menilai Keseluruhan Model (Overall Model Fit Test)
Langkah kedua adalah menilai keseluruhan model yang dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal (Block Number = 0) dengan nilai -2 Log likelihood pada akhir (Block Number = 1).
Tabel 4.33 Nilai -2 Log likelihood (-2 LL Awal) Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1 70.852 .308
2 70.852 .310
3 70.852 .310
a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852
c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.
Nilai -2 Log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.34.
Tabel 4.34 Nilai -2 Log likelihood (-2 LL Akhir) Iteration Historya,b,c,d
Iteration -2 Log likelihood
Coefficients Constant X3 reputasi_sanksi BEI Step 1 1 52.807 .057 -2.057 4.000 2 49.939 .057 -3.192 6.271 3 49.009 .057 -4.236 8.358 4 48.680 .057 -5.251 10.388
5 48.561 .057 -6.257 12.399 6 48.517 .057 -7.259 14.403 7 48.501 .057 -8.260 16.405 8 48.495 .057 -9.260 18.405 9 48.493 .057 -10.260 20.406 10 48.492 .057 -11.260 22.406 11 48.492 .057 -12.260 24.406 12 48.492 .057 -13.260 26.406 13 48.492 .057 -14.260 28.406 14 48.492 .057 -15.260 30.406 15 48.492 .057 -16.260 32.406 16 48.492 .057 -17.260 34.406 17 48.492 .057 -18.260 36.406 18 48.492 .057 -19.260 38.406 19 48.492 .057 -20.260 40.406 20 48.492 .057 -21.260 42.406 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852
d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
Dari Tabel 4.33 dapat dilihat bahwa -2 LL awal pada block number = 0 yang dapat dilihat pada step 3, memperoleh nilai sebesar 70,852. Kemudian pada Tabel 4.34 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2 log likelihood pada step 10 adalah 48,492. Adanya penurunan nilai antara -2LL awal (initial-2LL function) dengan nilai -2LL pada langkah berikutnya (-2LL akhir) menunjukkan bahwa model yang dihipotesiskan fit dengan data.
4.9.3 Menguji Koefisien Regresi
Langkah terakhir adalah menguji koefisien regresi / hipotesis penelitian. Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen.
Tabel 4.35 Nagelkerke R Square
Model Summary
Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 48.492a .349 .470
a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan tabel 4.35 pada hipotesis ketujuh ini menunjukkan nilai Cox & Snell R Square sebesar 0,349 dan nilai Nagelkerke R Square sebesar 0,470 yang menunjukkan bahwa kemampuan variabel independen dalam menjelaskan variabel dependen adalah sebesar 0,470 atau 47% sedangkan sisanya sebesar 53% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.
Tabel 4.36 Hasil Uji Koefisien Regresi Logistik Hipotesis Ketujuh Variables in the Equation
B S.E. Wald df Sig. Exp(B)
95% C.I.for EXP(B) Lower Upper Step 1a Reputasi KAP - 21.260 17974.8 43 .000 1 .999 .000 .000 . reputasi_sanksi BEI 42.406 21394.3 42 .000 1 .998 260975896 788491570 0.000 .000 .
Constant .057 .338 .029 1 .866 1.059 a. Variable(s) entered on step 1: Reputasi KAP, reputasi_sanksiBEI.
Sumber: Hasil Penelitian, 2016 (data diolah)
H7 : Sanksi BEI mampu memoderasi hubungan antara reputasi KAP terhadap ketepatan waktu pelaporan keuangan.
Pada Tabel 4.36 menunjukkan bahwa nilai P value uji Wald 0,998 > 0,05, artinya sanksi BEI tidak mampu memoderasi hubungan antara reputasi KAP dengan ketepatan waktu pelaporan keuangan pada perusahaan pertambangan di BEI yang berarti H7 tidak dapat diterima atau H7 ditolak.
4.10 Pengujian Hipotesis Kedelapan (H8)
Hipotesis kedelapan menyatakan bahwa sanksi BEI mampu memoderasi hubungan antara ukuran perusahaan terhadap ketepatan waktu pelaporan keuangan pada perusahaan pertambangan yang terdaftar di BEI.
4.10.1 Menilai Kelayakan Model Regresi (Goodness of Fit Test)
Langkah pertama yang dilakukan adalah menilai kelayakan model regresi, dengan memperhatikan nilai goodness of fit test yang diukur dengan nilai chi- square yang tampak pada bagian bawah Hosmer and Lemeshow Test.(Tabel 4.37)
Tabel 4.37 Hosmer and Lemeshow Test
Hosmer and Lemeshow Test Step Chi-square df Sig.
1 .000 8 1.000
Berdasarkan Tabel 4.37 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistik Hosmer and Lemeshow sebesar 0,000 dengan probabilitas signifikansi menunjukkan angka 1,000, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05 (5%), maka hipotesis nol tidak dapat ditolak (H0 diterima atau didukung). 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 bahwa model mampu memprediksi nilai observasinya.
4.10.2 Menilai Keseluruhan Model (Overall Model Fit Test)
Langkah kedua adalah menilai keseluruhan model yang dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal (Block Number = 0) dengan nilai -2 Log likelihood pada akhir (Block Number = 1).
Tabel 4.38 Nilai -2 Log likelihood (-2 LL Awal) Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1 70.852 .308
2 70.852 .310
3 70.852 .310
a. Constant is included in the model. b. Initial -2 Log Likelihood: 70.852
c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.
Nilai -2 Log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.39.
Tabel 4.39 Nilai -2 Log likelihood (-2 LL Akhir) Iteration Historya,b,c,d
Iteration -2 Log likelihood
Coefficients Constant X4 ukPer_sanksiB EI Step 1 1 13.394 -.152 -.067 .142 2 4.523 -.141 -.109 .224 3 1.625 -.107 -.148 .299 4 .595 -.071 -.187 .373 5 .219 -.043 -.225 .446 6 .081 -.030 -.263 .520 7 .030 -.039 -.300 .593 8 .011 -.075 -.336 .667 9 .004 -.144 -.371 .741 10 .002 -.246 -.405 .815 11 .001 -.384 -.438 .889 12 .000 -.558 -.470 .964 13 .000 -.768 -.500 1.039 14 .000 -1.015 -.529 1.114 15 .000 -1.296 -.557 1.189 16 .000 -1.612 -.584 1.265 17 .000 -1.963 -.609 1.341 18 .000 -2.346 -.633 1.417 19 .000 -2.762 -.656 1.493 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 70.852
d. Estimation terminated at iteration number 20 because a perfect fit is detected. This solution is not unique.
Dari Tabel 4.38 dapat dilihat bahwa -2 LL awal pada block number = 0 yang dapat dilihat pada step 3, memperoleh nilai sebesar 70,852. Kemudian pada
likelihood pada step 12 adalah 0,000. Adanya penurunan nilai antara -2LL awal (initial-2LL function) dengan nilai -2LL pada langkah berikutnya (-2LL akhir) menunjukkan bahwa model yang dihipotesiskan fit dengan data.
4.10.3 Menguji Koefisien Regresi
Langkah terakhir adalah menguji koefisien regresi / hipotesis penelitian. Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen.
Tabel 4.40 Nagelkerke R Square
Model Summary
Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 .000a .744 1.000
a. Estimation terminated at iteration number 20 because a perfect fit is detected. This solution is not unique.
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan tabel 4.40 pada hipotesis kedelapan ini menunjukkan nilai Cox & Snell R Square sebesar 0,744 dan nilai Nagelkerke R Square sebesar 1,000 yang menunjukkan bahwa kemampuan variabel independen dalam menjelaskan variabel dependen adalah sebesar 1,000 atau 100%.
Tabel 4.41 Hasil Uji Koefisien Regresi Logistik Hipotesis Kedelapan Variables in the Equation
B S.E. Wald df Sig. Exp(B)
95% C.I.for EXP(B) Lower Upper Step 1a Ukuran Perusahaan -.735 476.983 .000 1 .998 .482 .000 2.124 ukPer_sanks iBEI .968 156.516 .000 1 .995 1.089 .000 3.782 Constant -7.041 4.793 2.158 1 .142 .001
a. Variable(s) entered on step 1: Ukuran Perusahaan, ukPer_sanksiBEI.
Sumber: Hasil Penelitian, 2016 (data diolah)
H8 : Sanksi BEI mampu memoderasi hubungan antara ukuran perusahaan terhadap ketepatan waktu pelaporan keuangan.
Pada Tabel 4.41 menunjukkan bahwa nilai P value uji Wald 0,995 > 0,05, artinya sanksi BEI tidak mampu memoderasi hubungan antara ukuran perusahaan dengan ketepatan waktu pelaporan keuangan pada perusahaan pertambangan di BEI yang berarti H8 tidak dapat diterima atau H8 ditolak.