BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.3. Analisis Dan Uji Hipotesis
4.3.2. Uji Asumsi Klasik
Dalam suatu persamaan regresi harus bersifat BLUE (Best Linier Unbiased Estimator), artinya dalam pengambilan keputusan melalui uji F dan uji t tidak boleh bias (Sesuai dengan tujuan).
Berdasarkan hasil uji asumsi klasik dengan alat bantu komputer yang menggunakan Program SPSS. 16.0 For Windows. diperoleh hasil sebagai berikut
1. Multikolinieritas
Alat uji yang digunakan untuk mengetahui ada tidaknya multikolinieritas dalam penelitian ini dengan melihat besarnya nilai
Dasar analisis yang digunakan yaitu jika nilai VIF (Variance Inflation Factor) < 10, maka hal ini berarti bahwa dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas (Ghozali, 2002 : 57-59)
Berdasarkan hasil Uji Multikolinieritas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0., dapat dilihat pada tabel 6, sebagai berikut :
Tabel 6 : Hasil Uji Multkolinieritas
Variabel VIF Keterangan
Laba / Rugi (X1) 3,226 Bebas Multikolinieritas
Ukuran Perusahaan (X2) 3,226 Bebas Multikolinieritas
Sumber : Lampiran 5
Berdasarkan pada tabel 6 di atas menunjukkan bahwa seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1 dan X2, mempunyai nilai VIF (Variance Inflation Factor) lebih kecil dari 10, dan sesuai dengan dasar pengambilan keputusan, hal ini berarti bahwa dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas.
2. Autokorelasi
Alat uji yang digunakan untuk mengetahui ada tidaknya gejala autokorelasi dalam penelitian ini adalah uji Durbin Watson. Dengan uji ini, memunculkan nilai statistik Durbin Watson.
Menurut Santoso (2001: 218) deteksi adanya Autokolerasi adalah :
1. Angka D-W di bawah - 2, hal ini berarti ada Autokolerasi positif. 2. Angka D-W diantara -2 sampai +2, hal ini berarti tidak ada
Autokolerasi.
Berdasarkan dari hasil “Uji Autokorelasi” dengan alat bantu komputer yang menggunakan Program SPSS. 16.0. For Windows
dapat diketahui bahwa besarnya nilai Durbin Watson atau DW tes yaitu sebesar 1,953 (Lampiran. 5), dan sesuai dengan dasar pengambilan keputusan, hal ini berarti bahwa dalam persamaan regresi tersebut tidak ada Autokolerasi.
3. Heteroskedastisitas
Alat uji yang digunakan untuk mengetahui adanya heteroskedastisitas secara kuantitatif dalam suatu persamaan regresi dapat dilakukan dengan menggunakan uji korelasi Rank Spearman.
Dasar analisis yang digunakan yaitu jika nilai Sig (2-tailed) > 0,05, maka maka hal ini berarti bahwa dalam model regresi tidak terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya atau bebas Heteroskedastisitas (Santoso, 2001: 301)
Berdasarkan hasil Uji Heteroskedastisitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0., dapat dilihat pada tabel 7, sebagai berikut:
Tabel 7 : Hasil Uji Heteroskedastisitas
Variabel Probabilitas
(Sig (2 - tailed) Keterangan
Laba / Rugi (X1) 0,372 Bebas Heteroskedastisitas
Ukuran Perusahaan (X2) 0,121 Bebas Heteroskedastisitas
Sumber : Lampiran 6
Berdasarkan pada tabel 7 di atas menunjukkan bahwa seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, dan X2 mempunyai nilai Sig (2-tailed) lebih besar dari 0,05, dan sesuai dengan dasar pengambilan keputusan, hal ini berarti dalam model regresi tidak terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya atau bebas Heteroskedastisitas, sehingga data tersebut dapat digunakan dalam penelitian.
Setelah dilakukan Uji Asumsi Klasik tersebut di atas, maka dapat disimpulkan bahwa model persamaan regresi linier dalam penelitian ini, bebas dari asumsi dasar (klasik) tersebut, sehingga pengambilan keputusan melalui uji F dan uji t yang akan dilakukan dalam penelitian ini tidak akan bias atau sesuai dengan tujuan penelitian.
4.3.3. Teknik Analisis
Berdasarkan hasil dari “olah data” dengan alat bantu komputer yang menggunakan program SPSS.16.0, dapat dilihat pada tabel 8, sebagai berikut :
Tabel 8 : Hasil Pendugaan Parameter Regresi Linier Berganda Coefficientsa 79,394 3,056 -1,47E-010 ,000 2,64E-012 ,000 (Constant) Laba / Rugi (X1) Ukuran Perusahaan (X2) Model 1 B Std. Error Unstandardized Coefficients
Dependent Variable: Audit Delay (Y) a.
Sumber : Lampiran. 5
Berdasarkan pada tabel 8 di atas dapat diperoleh model persamaan regresi sebagai berikut :
Y = 79,394 – 0,00000000014693 X1 + 0,00000000000264 X2
Dari model persamaan regresi linier tersebut di atas, dapat diinterprestasikan, sebagai berikut :
Konstanta (β0)
Nilai konstanta (β0) sebesar 79,394 menunjukkan bahwa apabila nilai variabel laba rugi dan ukuran perusahaan, konstan maka besarnya nilai variabel audit delay yaitu sebesar 79,394 satuan.
Koefisien (β1) Untuk Variabel Laba Rugi
Besarnya nilai koefisien regresi (β1) sebesar -0,00000000014693, nilai (β1) yang negatif menunjukkan adanya hubungan yang berlawanan arah antara audit delay dengan laba rugi yang artinya jika nilai laba rugi naik sebesar satu rupiah, maka nilai audit delay akan turun sebesar 0,00000000014693 satuan dengan asumsi variabel bebas lainnya konstan. Koefisien (β2) Untuk Variabel Ukuran Perusahaan
Besarnya nilai koefisien regresi (β2) sebesar 0,00000000000264, nilai (β2) yang positif menunjukkan adanya hubungan yang searah antara variabel audit delay dengan variabel ukuran perusahaan yang artinya jika
nilai variabel ukuran perusahaan naik sebesar satu rupiah, maka nilai audit delay akan naik sebesar 0,00000000000264 satuan dengan asumsi variabel bebas lainnya konstan.
4.3.4. Uji Hipotesis
4.3.4.1. Uji Kesesuaian Model
Uji F ini digunakan untuk mengetahui sesuai tidaknya model regresi yang dihasilkan guna melihat pengaruh laba rugi dan ukuran perusahaan terhadap audit delay pada perusahaan Property dan Real Estate yang Go Publik di Bursa Efek Indonesia.
Dari hasil pengujian dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisis hubungan secara simultan, dapat dilihat pada tabel 9, sebagai berikut
Tabel 9 : Hasil Analisis Variabel Bebas Terhadap Variabel Terikat ANOVAb 4365,918 2 2182,959 8,462 ,001a 10834,882 42 257,973 15200,800 44 Regression Residual Total Model 1
Sum of Squares df Mean Square F Sig.
Predictors: (Constant), Ukuran Perusahaan (X2), Laba / Rugi (X1) a.
Dependent Variable: Audit Delay (Y) b.
Sumber ; Lampiran. 5
Berdasarkan pada tabel 9 menunjukkan bahwa besarnya nilai F hitungsebesar 8,462 dengan tingkat taraf signifikansi sebesar 0,001 (lebih kecil dari 0,05), sehingga Ho ditolak, hal ini menunjukkan bahwa model regresi yang dihasilkan cocok guna melihat pengaruh laba rugi dan ukuran perusahaan terhadap audit delay pada perusahaan Property dan
Real Estate yang Go Publik di Bursa Efek Indonesia, sehingga hipotesis yang diajukan terbukti kebenarannya.
Dari hasil pengujian dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows juga diperoleh nilai R square
dapat dilihat pada tabel 10, sebagai berikut:
Tabel. 10 : Koefisien Determinasi (R square / R2) Model Summaryb ,536a ,287 ,253 16,062 1,953 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson (Autokorelasi)
Predictors: (Constant), Ukuran Perusahaan (X2), Laba / Rugi (X1) a.
Dependent Variable: Audit Delay (Y) b.
Sumber ; Lampiran. 5
Berdasarkan pada tabel 10 menunjukkan besarnya nilai koefisien Determinasi (R square) sebesar 0,287, hal ini menunjukkan bahwa perubahan yang terjadi pada variabel audit delay sebesar 28,7% mampu dijelaskan oleh variabel laba rugi dan ukuran perusahaan, sedangkan sisanya 71,93% dijelaskan oleh faktor lain yang tidak termasuk dalam model.
4.3.4.2. Uji Parsial
Uji t ini digunakan untuk menguji signifikan atau tidaknya pengaruh laba rugi dan ukuran perusahaan terhadap audit delay pada perusahaan Property dan Real Estate yang Go Publik di Bursa Efek Indonesia.
Dari hasil pengujian dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisis hubungan secara parsial dapat dilihat pada tabel 11, sebagai berikut :
Tabel 11 : Hasil Analisis Variabel Bebas Terhadap Variabel Terikat
Variabel t hit Sig Keterangan
Laba / Rugi (X1) -3,510 0,001 Berpengaruh
Ukuran Perusahaan (X2) 1,721 0,093 Tidak Berpengaruh
Sumber ; Lampiran. 5
Berdasarkan dari tabel 11 dapat diinterprestasikan, yaitu sebagai berikut :
1. Pengaruh Laba Rugi terhadap Audit Delay
Berdasarkan tabel 11 menunjukkan besarnya nilai t hitung sebesar -3,510, dengan tingkat signifikansi sebesar 0,001 (lebih kecil dari 0,05), hal ini berarti bahwa laba rugi berpengaruh signifikan terhadap audit delay, sehingga hipotesis 1 yang menyatakan bahwa laba rugi berpengaruh terhadap audit delay pada perusahaan Property dan Real Estate yang Go Publik di Bursa Efek Indonesia, terbukti kebenarannya.
2. Pengaruh Ukuran Perusahaan terhadap Audit Delay
Berdasarkan tabel 11 menunjukkan besarnya nilai t hitung sebesar 1,721, dengan tingkat signifikansi sebesar 0,093 (lebih besar dari 0,05), hal ini berarti bahwa ukuran perusahaan tidak berpengaruh signifikan terhadap audit delay, sehingga hipotesis 2 yang menyatakan bahwa ukuran perusahaan berpengaruh terhadap audit delay pada perusahaan Property dan Real Estate yang Go Publik di Bursa Efek Indonesia, tidak terbukti kebenarannya.
4.4. Pembahasan