Uji Asumsi Klasik - Uji Data - ANALISIS HASIL PENELITIAN

BAB IV ANALISIS HASIL PENELITIAN

4.2 Uji Data

4.2.1 Uji Asumsi Klasik

Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pengujian normalitas data penelitian ini menggunakan analisis grafik dan statistik. Analisis grafik untuk melihat normalitas dilakukan dengan melihat grafik histogram dan kurva normal

probability plot. Analisis statistik dilakukan dengan uji

kolmogrov-Smirnov.

Gambar 4.1 Histogram

Pada histogram tersebut ( Gambar 4.1 ), dapat dilihat bahwa bentuk cenderung di tengah dan tidak condong ke kiri maupun ke kanan. Oleh karena itu dapat disimpulkan bahwa data dalam penelitian ini berdistribusi

normal. c

Gambar 4.2 Grafik Normal P-Plot

Pada gambar 4.2 data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.

Tabel 4.2

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual N 42 Normal Parameters^a,b Mean .0000000 Std. Deviation .38142491 Most Extreme Differences Absolute .144 Positive .144 Negative -.107 Kolmogorov-Smirnov Z .931

Asymp. Sig. (2-tailed) .352 a. Test distribution is Normal.

b. Calculated from data.

Tabel 4.2 menunjukkan besarnya kolmogrov-Smirnov (K-S) adalah 0.931 dan signifikansi pada 0.352 sehingga dapat disimpulkan bahwa data dalam model regresi telah terdistribusi secara normal, dimana nilai signifikansinya lebih besar dari 0.05 (p = 0.352 > 0.05).

4.2.1.2 Uji Multikolonieritas

Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Multikoloneritas adalah situasi adanya korelasi antar variabel-variabel independen yang satu dengan yang lainnya, dalam hal ini disebut variabel-variabel yang diuji tidak ortogonal. Variabel-variabel yang tidak bersifat ortogonal adalah variabel yang tidak memiliki nilai korelasi di antaranya sama dengan nol. Dalam penelitian ini yang dilakukan jejak multikoloneritas dapat dilihat dari nilai korelasi antar

variabel yang terdapat dalam matriks korelasi. Hasil gejala multikoloneritas disajikan pada tabel 4.3 berikut ini.

Tabel 4.3

Hasil Uji Multikoloneritas

Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1(Constant) 3.834 1.420 2.699 .011 LNUKURAN .050 .024 .306 2.066 .046 .807 1.238 LNUMUR -.049 .131 -.056 -.377 .709 .803 1.245 LNROA .053 .041 .176 1.290 .205 .950 1.053 OPINION -.164 .152 -.148 -1.083 .286 .947 1.056 LNARL -.983 .271 -.500 -3.625 .001 .934 1.070

a. Dependent Variable: DTIMELINES

Hasil perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance ≥ 0,10 yaitu 0,807; 0,803; 0,950; 0,947; 0,934 yang berarti tidak terjadi korelasi antarvariabel independen. Hasil perhitungan VIF juga menunnjukkan hal yang sama dimana variabel independennya memiliki nilai VIV ≤ 10 yaitu 1,238; 1,245; 1,053; 1,056; 1,070 yang juga berarti tidak terjadi korelasi antar variabel independen (tidak terjadi multikoloneritas).

4.2.1.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan

kesalahan pengganggu pada periode t-1 ( sebelumnya ). Terjadinya korelasi dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah tersebut timbul karena residual tidak bebas dari satu observasi ke observasi lain. Run test digunakan untuk menguji gejala autokorelasi pada penelitian. Hasil output SPSS dengan probabilitas signifikansi di bawah 0.05 dapat disimpulkan bahwa terdapat gejala autokorelasi pada model regresi tersebut.

Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak. (Ghozali 2005:103).

Tabel 4.4

Hasil Uji Autokorelasi Runs Test

Unstandardized Residual

Test Value^a .00713

Cases < Test Value 21

Cases >= Test Value 21

Total Cases 42

Number of Runs 21

Z -.156

Asymp. Sig. (2-tailed) .876 a. Median

Hasil output SPSS menunjukkan bahwa nilai test adalah 0.0713 dengan probabilitas 0.876 Hal ini menunjukkan bahwa tidak terjadi autokorelasi pada penelitian karena nilai signifikan lebih besar dari 0.05.

4.2.1.4 Uji Heteroskedastisitas

Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lain. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada tidaknya heteroskedastisitas dapat dilakukan dengan uji glejser.

Tabel 4.5

Hasil Uji Heteroskedastisitas

Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.166 .474 -.349 .004 LNUKURAN -.030 .008 -.485 -3.666 .065 LNUMUR -.001 .044 -.004 -.029 .977 LNROA .033 .014 .294 2.407 .082 OPINION .103 .053 .239 1.956 .058 LNARL .324 .090 .440 3.579 .071

a. Dependent Variable: absut

Hasil pengujian yang terlihat pada tabel 4.5 menunjukkan bahwa data penelitian ini tidak terkena heteroskedastisitas karena nilai signifikan kelima variabel independen lebih besar dari 0.05.

4.2.2 Pengujian Hipotesis Penelitian

Hasil pengujian hipotesis penelitian bertujuan untuk mengetahui apakah pengaruh dari variabel independen dalam model regresi berpengaruh terhadap

variabel dependen, maka dilakukan pengujian dengan menggunakan uji t (test). Uji t dilakukan untuk menguji signifikansi konstanta dan setiap variabel independennya. Berdasarkan hasil pengolahan SPSS versi 19, diperoleh hasil seperti tabel 4.6 Tabel 4.6 Hasil Uji t Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1(Constant) 3.834 1.420 2.699 .011 LNUKURAN .050 .024 .306 2.066 .046 .807 1.238 LNUMUR -.049 .131 -.056 -.377 .709 .803 1.245 LNROA .053 .041 .176 1.290 .205 .950 1.053 OPINION -.164 .152 -.148 -1.083 .286 .947 1.056 LNARL -.983 .271 -.500 -3.625 .001 .934 1.070

a. Dependent Variable: DTIMELINES

H1 : Terdapat pengaruh ukuran perusahaan terhadap ketepatan waktu pelaporan keuangan

Tabel 4.6 menunjukkan besarnya t_hitunguntuk variabel ukuran perusahaan sebesar 2,066 sedangkan ttabel adalah 2.30, sehingga thitung < ttabel (2,066 < 2.30). Signifikansi penelitian menunjukkan angka 0,046, dimana kurang dari 0,05 (0.046 < 0.05), maka H₁ dapat diterima, artinya terdapat pengaruh positif signifikan ukuran perusahaan terhadap ketepatan waktu pelaporan keuangan. H2 :Terdapat pengaruh umur perusahaan terhadap ketepatan waktu

Tabel 4.6 menunjukkan besarnya thitung untuk variabel umur perusahaan sebesar 0,377 sedangkan t_tabeladalah 2,30, sehingga t_hitung < t_tabel(0,377 < 2,30). Signifikansi penelitian menunjukkan angka 0,709, dimana lebih besar dari 0,05 (0,709 > 0,05), maka H₂ tidak dapat diterima, artinya tidak terdapat pengaruh signifikan umur perusahaan terhadap ketepatan waktu pelaporan keuangan.

H3 : Terdapat pengaruh Pofitabilitas perusahaan terhadap ketepatan waktu pelaporan keuangan

Tabel 4.6 menunjukkan besarnya t_hitunguntuk variabel umur perusahaan sebesar 1,290 sedangkan ttabel adalah 2,30, sehingga thitung < ttabel (1,290 < 2,30). Signifikansi penelitian menunjukkan angka 0,205 (0,205 > 0,05), maka H₃ tidak dapat diterima, artinya tidak terdapat pengaruh signifikan profitabilitas perusahaan terhadap ketepatan waktu pelaporan keuangan.

H₄ : Terdapat pengaruh opini audit perusahaan terhadap ketepatan waktu pelaporan keuangan

Tabel 4.6 menunjukkan besarnya t_hitunguntuk variabel umur perusahaan sebesar 1,083 sedangkan ttabel adalah 2,30, sehingga thitung < ttabel (1,083 < 2,30). Signifikansi penelitian menunjukkan angka 0.286 (0,286 > 0,05), maka H4 tidak dapat diterima, artinya tidak terdapat pengaruh signifikan opini audit perusahaan terhadap ketepatan waktu pelaporan keuangan.

H5 : Terdapat pengaruh audit report lag perusahaan terhadap ketepatan waktu pelaporan keuangan

Tabel 4.6 menunjukkan besarnya thitung untuk variabel umur perusahaan sebesar 3,625 sedangkan t_tabeladalah 2,30, sehingga t_hitung > t_tabel(3,625 > 2,30). Signifikansi penelitian menunjukkan angka 0,001 (0,001 < 0.05), maka H₅ dapat diterima, artinya terdapat pengaruh signifikan audit report lag

perusahaan terhadap ketepatan waktu pelaporan keuangan.

Dalam dokumen Analisis Ukuran Perusahaan, Umur Perusahaan, Profitabilitas, Opini Audit, dan Audit Report Lag, yang Berpengaruh Terhadap Ketepatan Waktu Pelaporan Keuangan pada Perusahaan Perkebunan dan Pertambangan yang Terdaftar di Bursa Efek Indonesia (Halaman 57-65)