Uji Multikolinieritas - HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN

4.2.2.2 Uji Multikolinieritas

Pengukuran multikolonieritas dalam penelitian ini dilihat dari nilai tolerance dan variance inflation factor (VIF). Apabila nilai tolerance > 0,10 dan VIF < 10 maka model regresi tersebut bebas dari multikolonieritas. Berikut hasil perhitungan menggunakan SPSS 19.

Tabel 4.8

Hasil Uji Multikolinieritas Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.

Error Beta Tolerance VIF 1 (Constant) 2.410 .501 4.806 .000 AS .134 .081 .162 1.650 .104 .956 1.046 OAU -.085 .049 -.173 -1.746 .086 .933 1.072 ROA -.385 .259 -.161 -1.485 .143 .778 1.285 RKAP .147 .069 .288 2.130 .037 .502 1.991 SIZE -.036 .017 -.250 -2.076 .042 .631 1.584 ARL -.008 .001 -.601 -5.589 .000 .794 1.260 Sumber : Output SPSS, data diolah peneliti, 2015

Berdasarkan Tabel 4.8 dapat dilihat bahwa antar variabel independen tidak terjadi multikolonieritas. Hal ini dapat dilihat dari nilai tolerance yang memiliki nilai > 0,10 dan nilai VIF < 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi ini.

4.2.2.3 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). Pengukuran autokorelasi dalam penelitian ini dilakukan menggunakan uji Durbin-Watson (DW-Test). Untuk melihat terjadi atau tidaknya autokorelasi dalam suatu model regresi dapat dilihat pada tabel Model Summary di

Tabel 4.9 Hasil Uji Autokorelasi

Model Summary^b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .821^a .674 .660 5.186 2.189 a. Predictors: (Constant), ARL, AS, OAU, SIZE, ROA, RKAP

b. Dependent Variable: ATM

Sumber : Output SPSS, data diolah peneliti, 2015

Berdasarkan Tabel 4.9 dapat diketahui bahwa nilai DW sebesar 2,189. Nilai tersebut selanjutnya dibandingkan dengan nilai tabel dengan menggunakan signifikansi 5%, jumlah sampel 64, dan jumlah variabel independen 6 (k=6). Dari Tabel 4.9 dapat diketahui nilai DW sebesar 2,189 yang lebih besar dari batas atas (dU) 1,8052 dan kurang dari 4 – 1,8052 (4 – dU) maka dapat disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.

4.2.2.4 Uji Heterokedastisitas

Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lain. Untuk dapat mengetahui ada tidaknya gejala heteroskedastisitas dapat dilakukan dengan uji Glejser yaitu pengujian yang meregresikan nilai absolut residual terhadap variabel independen. Berikut hasil pengolahan dengan pengujian tersebut.

Tabel 4.10

Hasil Uji Heterokedastisitas Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1.214 .657 1.849 .070 AS .158 .108 .190 1.464 .149 OAU -.040 .064 -.081 -.622 .536 ROA -2.135 1.613 -.175 -1.323 .191 RKAP .065 .063 .133 1.027 .309 SIZE -.003 .020 -.019 -.136 .892 ARL -.003 .003 -.164 -1.195 .237 a. Dependent Variable: RES2

Sumber : Output SPSS, data diolah peneliti, 2015

Hasil pengujian yang terlihat pada Tabel 4.10 menunjukkan bahwa data penelitian ini tidak terkena heteroskedastisitas karena nilai signifikan keenam variabel independen lebih besar dari 0.05.

24.2.3 Analisis Regresi

Analisis regresi digunakan untuk menguji hipotesis dalam penelitian. Analisis regresi yang digunakan dalam penelitian ini adalah analisis regresi logistik yang digunakan untuk menguji apakah variabel independen yaitu auditor switching (AS), opini audit (OAU), profitabilitas (ROA), reputasi KAP (RKAP), ukuran perusahaan (SIZE), dan audit report lag (ARL) berpengaruh langsung terhadap audit timeliness (ATM).

Model regresi logistik yang digunakan dalam penelitian ini adalah: YATM = α+ β1AS + β2OAU + β3ROA + β4RKAP + β5SIZE + β6ARL + e

Keterangan:

Y_ATM = Audit Timeliness α = Konstanta

β1-β6 = Koefisien Regresi AS = Auditor Switching OAU = Opini Audit ROA = Return on Assets RKAP = Reputasi KAP SIZE = Ukuran Perusahaan ARL = Audit Report Lag

e = Error term, yaitu tingkat kesalahan dalam penelitian Berikut ini adalah hasil analisis regresi logistik:

Tabel 4.11

Hasil Uji Kelayakan Model Regresi Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 .374 8 1.000

Sumber : Output SPSS, data diolah peneliti, 2015

Contingency Table for Hosmer and Lemeshow Test ATM = 0 ATM = 1

Total Observed Expected Observed Expected

Step 1 1 4 3.750 2 2.250 6 2 0 .282 6 5.718 6 3 0 .029 6 5.971 6 4 0 .004 6 5.996 6 5 0 .000 6 6.000 6 6 0 .000 6 6.000 6 7 0 .000 6 6.000 6 8 0 .000 6 6.000 6 9 0 .000 6 6.000 6 10 0 .000 10 10.000 10

Berdasarkan Tabel 4.11 dapat dilihat bahwa nilai signifikansi menunjukkan angka 1.000, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05 (5%). Hal ini berarti bahwa model regresi mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya.

Tabel 4.12

Koefisien Regresi Logistik

B S.E. Wald Df Sig. Exp(B) Step 1^a AS -.114 4.211 .001 1 .078 .892 OAU -1.169 2.818 .172 1 .068 .311 ROA -5.237 26.095 .040 1 .041 .005 RKAP 15.554 50.467 .000 1 .038 5.415 SIZE .830 .454 3.345 1 .067 2.294 ARL Constant -.221 2.708 .122 .516 3.291 27.501 1 1 .020 .000 .802 15.000 a. Variable(s) entered on step 1: AS, OAU, ROA, RKAP, SIZE, ARL.

Sumber : Output SPSS, data diolah peneliti, 2015

Hasil pengujian terhadap koefisien regresi menghasilkan model sebagai berikut :

YATM = 2.708 – 0.114 AS – 1.169 OAU – 5.237 ROA + 15.554 RKAP + 0.830 SIZE – 0.221 ARL + e

Interpretasi dari persamaan regresi tersebut adalah sebagai berikut : 1. Konstanta sebesar 2,708 maka nilai variabel audit timeliness (ATM)

akan tetap sebesar 2,708 jika semua variabel independen bernilai nol. 2. Koefisien auditor switching (AS) sebesar -0,114, artinya jika nilai

variabel audit timeliness (ATM) sebesar -0,114 dengan variabel lain tetap.

3. Koefisien opini audit (OAU) sebesar -1,169, artinya jika nilai variabel ini ditingkatkan satu satuan maka akan menurunkan nilai variabel audit timeliness (ATM) sebesar -1,169 dengan variabel lain tetap.

4. Koefisien profitabilitas (ROA) sebesar -5,237, artinya jika nilai variabel ini ditingkatkan satu satuan maka akan menurunkan nilai variabel audit timeliness (ATM) sebesar -5,237 dengan variabel lain tetap.

5. Koefisien reputasi KAP (RKAP) sebesar 15,554, artinya jika nilai variabel ini ditingkatkan satu satuan maka akan menaikkan nilai variabel audit timeliness (ATM) sebesar 15,554 dengan variabel lain tetap.

6. Koefisien ukuran perusahaan (SIZE) sebesar 0,830, artinya jika nilai variabel ini ditingkatkan satu satuan maka akan menaikkan nilai variabel audit timeliness (ATM) sebesar 0,830 dengan variabel lain tetap.

7. Koefisien audit report lag (ARL) sebesar -0,221, artinya jika nilai variabel ini ditingkatkan satu satuan maka akan menurunkan nilai variabel audit timeliness (ATM) sebesar -0,221 dengan variabel lain tetap.

Untuk hubungan antara variabel independen terhadap variabel intervening dalam penelitian ini menggunakan analisis regresi berganda. Model regresi berganda dalam penelitian ini adalah sebagai berikut:

Y_ARL= α + β1AS + β2OAU + β3ROA + β4RKAP + β5SIZE + e Keterangan:

YARL = Audit Report Lag α = Konstanta

β1-β5 = Koefisien Regresi AS = Auditor Switching OAU = Opini Audit ROA = Return on Assets RKAP = Reputasi KAP SIZE = Ukuran Perusahaan

e = Error term, yaitu tingkat kesalahan dalam penelitian

Tabel 4.13

Hasil Uji Analisis Regresi Berganda Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 78.123 46.916 1.665 .001 AS 3.176 7.784 .049 .408 .085 OAU -5.226 4.633 -.135 -1.128 .064 ROA -19.734 24.715 -.105 1.798 .028 RKAP -15.910 6.260 -.398 2.542 .014 SIZE .252 1.668 .022 .151 .081 a. Dependent Variable: ARL

Sumber : Output SPSS, data diolah peneliti, 2015

Y_ARL = 78.123 + 3.176 AS – 5.226 OAU – 19.734 ROA – 15.910 RKAP + 0.252 SIZE + e

Dari persamaan regresi diatas di atas dapat diartikan sebagai berikut : 1. Konstanta = 78,123

Artinya jika variabel auditor switching (AS), opini audit (OAU), profitabilitas (ROA), reputasi kantor akutan publik (RKAP), dan ukuran perusahaan (SIZE) dianggap sama dengan nol atau tetap, maka variabel audit report lag naik sebesar 78,123 hari.

2. Koefisien regresi auditor switching = 3,176

Artinya apabila auditor switching meningkat 1 satuan maka akan diikuti peningkatan tenggang waktu audit report lag sebesar 3,176 hari. 3. Koefisien regresi opini audit = - 5,226

Artinya apabila opini audit meningkat 1 satuan maka akan diikuti tenggang waktu audit report lag akan menurun sebesar 5,226 hari. 4. Koefisien regresi profitabilitas = -19,734

Artinya apabila profitabilitas meningkat 1 satuan maka tenggang waktu audit report lag akan menurun sebesar 19,734 hari.

5. Koefisien regresi reputasi KAP = -15,910

Artinya apabila reputasi KAP meningkat 1 satuan maka tenggang waktu audit report lag akan menurun sebesar 15,910 hari.

6. Koefisien regresi ukuran perusahaan = 0,252

Artinya apabila ukuran perusahaan meningkat 1 satuan maka tenggang waktu audit report lag akan meningkat sebesar 0,252 hari.

4.2.4 Analisis Jalur (Path Analysis)

Analisis jalur digunakan untuk menguji pengaruh mediasi dari suatu model penelitian melalui variabel intervening. Variabel intervening dalam penelitian ini adalah audit report lag (ARL). Berikut ini adalah hasil analisis jalur dalam penelitian ini.

Tabel 4.14

Hasil Analisis Jalur R Square Regresi 1 Model Summary

Step

-2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square 1 7.468^a .719 .959 Sumber : Output SPSS, data diolah peneliti, 2015

Tabel 4.15

Hasil Analisis Jalur Coefficients Regresi 1

Tabel 4.16

Hasil Analisis Jalur R Square Regresi 2 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .854^a .729 .708 17.771 a. Predictors: (Constant), SIZE, ROA, AS, OAU, RKAP Sumber : Output SPSS, data diolah peneliti, 2015

Tabel 4.17

Hasil Analisis Jalur Coefficients Regresi 2 Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 78.123 46.916 1.665 .001 AS 3.176 7.784 .049 .408 .085 OAU -5.226 4.633 -.135 -1.128 .064 ROA -19.734 24.715 -.105 1.798 .028 RKAP -15.910 6.260 -.398 2.542 .014 SIZE .252 1.668 .022 .151 .081 a. Dependent Variable: ARL

Sumber : Output SPSS, data diolah peneliti, 2015

Berdasarkan dua model regresi di atas yang menguji audit report lag sebagai variabel intervening antara variabel auditor switching, opini audit, profitabilitas, reputasi KAP, dan ukuran perusahaan terhadap variabel audit timeliness dapat diketahui nilai koefisien beta dari masing-masing variabel melalui gambar berikut ini.

P_yx1= -0,114 P_yx2= -1,169 P_yx3= -5,237 P_yx4= 15,554 P_yx5= 0,830 P_x6x1= 0,049 P_x6x2= -0,135 P_x6x3= -0,105 P_x6x4= -0,398 P_x6x5= 0,022 P_yx6= -0,221 e₁= 0,202 e₂= 0,520 Gambar 4.2 Model Analisis Jalur

Berdasarkan Tabel 4.15 dapat diketahui bahwa auditor switching (AS) memiliki nilai koefisien beta = -0,114 dan memiliki signifikansi sebesar 0,078. Nilai koefisien beta pada auditor switching merupakan nilai jalur (Pyx1=-0,114). Nilai koefisien beta untuk audit report lag (ARL) sebesar -0,221 merupakan nilai jalur (Pyx₆=-0,221). Persamaan regresi 2 yang ditunjukkan dengan Tabel 4.17, menunjukkan nilai standardized beta untuk auditor switching sebesar 0,049 yang merupakan nilai jalur (Px6x1=0,049). Besarnya nilai e₁= √(1 – 0,959) = 0,202 dan besarnya nilai e₂= √(1 – 0,729) = 0,520.

Berdasarkan perhitungan di atas diketahui pengaruh langsung variabel auditor switching (AS) ke audit timeliness (ATM) sebesar -0,114, sedangkan

Auditor Switching

Opini Audit

Profitabilitas

Reputasi KAP

Ukuran Perusahaan

pengaruh tidak langsung variabel auditor switching ke audit timeliness sebesar (-0,221) x (0,049) = -0,010. Pengaruh langsung memiliki nilai yang lebih besar dibandingkan dengan pengaruh tidak langsung antara variabel auditor switching ke audit timeliness, sehingga dapat disimpulkan bahwa audit report lag (ARL) bukan merupakan variabel intervening atau H14 ditolak.

Berdasarkan Tabel 4.15 dapat diketahui bahwa opini audit (OAU) memiliki nilai koefisien beta = -1,169 dan memiliki signifikansi sebesar 0,068. Nilai koefisien beta pada opini audit merupakan nilai jalur (Pyx₂= -1,169). Nilai koefisien beta untuk audit report lag (ARL) sebesar -0,221 merupakan nilai jalur (Pyx₆=-0,221). Persamaan regresi 2 yang ditunjukkan dengan Tabel 4.17, menunjukkan nilai standardized beta untuk opini audit sebesar -0,135 yang merupakan nilai jalur (Px6x2=-0,135).

Berdasarkan perhitungan di atas diketahui pengaruh langsung variabel opini audit (OAU) ke audit timeliness (ATM) sebesar -1,169, sedangkan pengaruh tidak langsung variabel opini audit ke audit timeliness sebesar (-0,221) x (-0,135) = 0,029. Pengaruh langsung memiliki nilai yang lebih kecil dibandingkan dengan pengaruh tidak langsung antara variabel opini audit ke audit timeliness, sehingga dapat disimpulkan bahwa audit report lag (ARL) merupakan variabel intervening atau H15 diterima.

Berdasarkan Tabel 4.15 dapat diketahui bahwa profitabilitas (ROA) memiliki nilai koefisien beta = -5,237 dan memiliki signifikansi sebesar 0,041. Nilai koefisien beta pada profitabilitas merupakan nilai jalur (Pyx₃=

-5,237). Nilai koefisien beta untuk audit report lag (ARL) sebesar -0,221 merupakan nilai jalur (Pyx₆=-0,221). Persamaan regresi 2 yang ditunjukkan dengan Tabel 4.17, menunjukkan nilai standardized beta untuk profitabilitas sebesar -0,105 yang merupakan nilai jalur (Px₆x₃=-0,105).

Berdasarkan perhitungan di atas diketahui pengaruh langsung variabel profitabilitas (ROA) ke audit timeliness (ATM) sebesar -5,237, sedangkan pengaruh tidak langsung variabel profitabilitas ke audit timeliness sebesar (-0,221) x (-0,105) = 0,023. Pengaruh langsung memiliki nilai yang lebih kecil dibandingkan dengan pengaruh tidak langsung antara variabel profitabilitas ke audit timeliness, sehingga dapat disimpulkan bahwa audit report lag (ARL) merupakan variabel intervening atau H₁₆ diterima.

Berdasarkan Tabel 4.15 dapat diketahui bahwa reputasi KAP (RKAP) memiliki nilai koefisien beta = 15,554 dan memiliki signifikansi sebesar 0,038. Nilai koefisien beta pada reputasi KAP merupakan nilai jalur (Pyx4=15,554). Nilai koefisien beta untuk audit report lag (ARL) sebesar -0,221 merupakan nilai jalur (Pyx₆=-0,221). Persamaan regresi 2 yang ditunjukkan dengan Tabel 4.17, menunjukkan nilai standardized beta untuk reputasi KAP sebesar -0,398 yang merupakan nilai jalur (Px₆x₄=-0,398).

Berdasarkan perhitungan di atas diketahui pengaruh langsung variabel reputasi KAP (RKAP) ke audit timeliness (ATM) sebesar 15,554, sedangkan pengaruh tidak langsung variabel reputasi KAP ke audit timeliness sebesar (-0,221) x (-0,398) = 0,087. Pengaruh langsung memiliki nilai yang lebih besar dibandingkan dengan pengaruh tidak langsung antara variabel reputasi

KAP ke audit timeliness, sehingga dapat disimpulkan bahwa audit report lag (ARL) bukan merupakan variabel intervening atau H₁₇ ditolak.

Berdasarkan Tabel 4.15 dapat diketahui bahwa ukuran perusahaan (SIZE) memiliki nilai koefisien beta = 0,830 dan memiliki signifikansi sebesar 0,067. Nilai koefisien beta pada ukuran perusahaan merupakan nilai jalur (Pyx₅=0,830). Nilai koefisien beta untuk audit report lag (ARL) sebesar -0,221 merupakan nilai jalur (Pyx6=-0,221). Persamaan regresi 2 yang ditunjukkan dengan Tabel 4.17, menunjukkan nilai standardized beta untuk ukuran perusahaan sebesar 0,022 yang merupakan nilai jalur (Px6x5=0,022).

Berdasarkan perhitungan di atas diketahui pengaruh langsung variabel ukuran perusahaan (SIZE) ke audit timeliness (ATM) sebesar 0,830, sedangkan pengaruh tidak langsung variabel reputasi KAP ke audit timeliness sebesar (-0,221) x (0,830) = -0,183. Pengaruh langsung memiliki nilai yang lebih besar dibandingkan dengan pengaruh tidak langsung antara variabel ukuran perusahaan ke audit timeliness, sehingga dapat disimpulkan bahwa audit report lag (ARL) bukan merupakan variabel intervening atau H₁₈ ditolak.

4.2.5 Uji Hipotesis

4.2.5.1 Koefisien Determinasi

Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Nagelkerke R. Squuare. Hasil pengujian

koefisien determinasi (Nagelkerke R. Squuare) dapat dilihat pada Tabel 4.18 berikut ini:

Tabel 4.18

Hasil Uji Koefisien Determinasi Model Summary

Step

-2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square 1 7.468^a .719 .959 Sumber : Output SPSS, data diolah peneliti, 2015

Berdasarkan Tabel 4.18 nilai Nagelkerke R. Square adalah 0,959 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 95,9% sedangkan sisanya 4,1% dijelaskan oleh faktor lain di luar model penelitian.

4.2.5.2 Uji Parsial (Uji Statistik t)

Uji t dilakukan untuk mengetahui apakah variabel independen yaitu auditor switching, opini audit, profitabilitas, reputasi KAP, ukuran perusahaan, dan audit report lag secara langsung mempengaruhi variabel dependen secara signifikan atau tidak.

Tabel 4.19

Hasil Uji Parsial (Uji t) Model 1

Sumber : Output SPSS, data diolah peneliti, 2015

Berdasarkan Tabel 4.19 variabel auditor switching mempunyai tingkat signifikansi sebesar 0,078 dan lebih besar dari tingkat signifikansi 0,05 sehingga auditor switching tidak dapat diterima, artinya auditor switching tidak berpengaruh terhadap audit timeliness atau H₁ ditolak.

Untuk variabel opini audit mempunyai tingkat signifikansi sebesar 0,068 dan lebih besar dari tingkat signifikansi 0,05 sehingga opini audit tidak dapat diterima, artinya opini audit tidak berpengaruh terhadap audit timeliness atau H2 ditolak.

Untuk variabel profitabilitas yang diproksikan dengan ROA mempunyai tingkat signifikansi sebesar 0,041 dan lebih kecil dari tingkat signifikansi 0,05 sehingga profitabilitas dapat diterima, artinya profitabilitas berpengaruh terhadap audit timeliness atau H3 diterima.

reputasi KAP dapat diterima, artinya reputasi KAP berpengaruh terhadap audit timeliness atau H₄ diterima.

Untuk variabel ukuran perusahaan mempunyai tingkat signifikansi sebesar 0,067 dan lebih besar dari tingkat signifikansi 0,05 sehingga ukuran perusahaan tidak dapat diterima, artinya ukuran perusahaan tidak berpengaruh terhadap audit timeliness atau H₅ ditolak.

Untuk variabel audit report lag mempunyai tingkat signifikansi sebesar 0,020 dan lebih kecil dari tingkat signifikansi 0,05 sehingga audit report lag dapat diterima, artinya audit report lag berpengaruh terhadap audit timeliness atau H₆ diterima.

Tabel 4.20

Hasil Uji Parsial (Uji t) Model 2 Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 78.123 46.916 1.665 .001 AS 3.176 7.784 .049 .408 .085 OAU -5.226 4.633 -.135 -1.128 .064 ROA -19.734 24.715 -.105 1.798 .028 RKAP -15.910 6.260 -.398 2.542 .014 SIZE .252 1.668 .022 .151 .081 a. Dependent Variable: ARL

Sumber : Output SPSS, data diolah peneliti, 2015

dengan tingkat signifikansi sebesar 0,085 atau lebih besar dari 0,05 sehingga dapat disimpulkan bahwa auditor switching tidak berpengaruh terhadap audit report lag sehingga H7 ditolak.

Untuk variabel opini audit diperoleh nilai t_hitung sebesar -1,128 < ttabel sebesar 1,67109 dengan tingkat signifikansi sebesar 0,064 atau lebih besar dari 0,05 sehingga dapat disimpulkan bahwa opini audit tidak berpengaruh terhadap audit report lag sehingga H8 ditolak.

Untuk variabel profitabilitas yang diproksikan dengan ROA diperoleh nilai t_hitung sebesar 1,798 > t_tabel sebesar 1,67109 dengan tingkat signifikansi sebesar 0,028 atau lebih kecil dari 0,05 sehingga dapat disimpulkan bahwa profitabilitas berpengaruh terhadap audit report lag sehingga H9 diterima.

Untuk variabel reputasi KAP diperoleh nilai thitung sebesar 2,542 > t_tabel sebesar 1,67109 dengan tingkat signifikansi sebesar 0,014 atau lebih kecil dari 0,05 sehingga dapat disimpulkan bahwa reputasi KAP berpengaruh terhadap audit report lag sehingga H₁₀ diterima.

Untuk variabel ukuran perusahaan diperoleh nilai thitung sebesar 0,151 < t_tabel sebesar 1,67109 dengan tingkat signifikansi sebesar 0,081 atau lebih besar dari 0,05 sehingga dapat disimpulkan bahwa ukuran perusahaan tidak berpengaruh terhadap audit report lag sehingga H11 ditolak.

4.2.5.3 Uji Simultan (Uji Statistik F)

Untuk melihat pengaruh seluruh variabel independen terhadap variabel dependen secara bersama-sama (simultan) pada model regresi logistik digunakan uji statistik G² (Likelihood Ratio Test).

Adapun hipotesis yang digunakan adalah:

H₀: Tidak ada pengaruh antara variabel independen terhadap variabel dependen.

H1 : Minimal ada satu variabel independen yang berpengaruh terhadap variabel dependen.

Tabel 4.21

Hasil Uji Simultan (Uji F) Model 1 Omnibus Tests of Model Coefficients

Chi-square df Sig. Step 1 Step 81.255 6 .000

Block 81.255 6 .000 Model 81.255 6 .000 Sumber : Output SPSS, data diolah peneliti, 2015

Berdasarkan Tabel 4.21 diperoleh nilai G² sebesar 81,255 dengan nilai signifikansi sebesar 0,000 yang lebih kecil dari 0,05 maka dapat disimpulkan bahwa hipotesis nol ditolak yang berarti minimal terdapat satu variabel bebas yang berpengaruh terhadap variabel dependen (audit timeliness) atau H12 diterima.

Tabel 4.22

Hasil Uji Simultan (Uji F) Model 2 ANOVA^b

Model

Sum of

Squares df Mean Square F Sig. 1 Regression 4763.473 5 952.695 3.017 .017^a

Residual 18316.761 58 315.806 Total 23080.234 63

a. Predictors: (Constant), SIZE, ROA, AS, OAU, RKAP b. Dependent Variable: ARL

Sumber : Output SPSS, data diolah peneliti, 2015

Untuk menguji hubungan secara simultan antara variabel auditor switching, opini audit, profitabilitas, reputasi KAP, dan ukuran perusahaan terhadap audit report lag menggunakan uji kelinieran persamaan regresi seperti yang ditunjukkan pada Tabel 4.22 di atas. Berdasarkan Tabel 4.22 diperoleh nilai F_hitung sebesar 3,017 > F_tabel sebesar 2,49 dan sig = 0,017 < 0,05. Hal ini menunjukkan bahwa secara simultan variabel independen (auditor switching, opini audit, profitabilitas, reputasi KAP, dan ukuran perusahaan) berpengaruh terhadap audit report lag atau H₁₃ diterima.

4. 3 Pembahasan

Dalam dokumen Pengaruh Auditor Switching, Opini Audit, Profitabilitas, Reputasi KAP, dan Ukuran Perusahaan Terhadap Audit Timeliness dengan Audit Report Lag sebagai Variabel Intervening. (Studi Empiris pada Perusahaan Pertambangan yang Terdaftar di Bursa Efek Indonesia (Halaman 47-67)