74 LAMPIRAN 1
Daftar Perusahaan Consumer Goods yang Terdaftar di BEI (2010-2014)
No
Nama Perusahaan Kode Perusahaan
Subsektor Makanan dan Minuman
1. Akasha Wira International, Tbk ADES
2. Tiga Pilar Sejahtera Food,Tbk AISA
3. Tri Banyan Tirta, Tbk ALTO
4. Aqua Golden Mississippi, Tbk AQUA
5. Cahaya Kalbar, Tbk CEKA
6. Davomas Abadi, Tbk DAVO
7. Delta Djakarta, Tbk DLTA
8. Indofood CBP Sukses Makmur, Tbk ICBP
9. Indofood Sukses Makmur, Tbk INDF
10. Multi Bintang Indonesia, Tbk MLBI
11. Mayora Indah, Tbk MYOR
12. Prashida Aneka Niaga, Tbk PSDN
13. Nippon Indosari Corporindo, Tbk ROTI
14. Sekar Bumi, Tbk SKBM
15. Sekar Laut, Tbk SKLT
16. Siantar Top, Tbk STTP
17. Ultrajaya Milk Industry and Trading Company, Tbk ULTJ
18. Chitose International, Tbk CHIT
Subsektor Rokok
19. Gudang Garam, Tbk GGRM
20. Handjaya Mandala Sampoerna, Tbk HMSP
21. Bentoel International Investama, Tbk RMBA
22. Wismilak Inti Makmur, Tbk WIIM
Subsektor Farmasi
23. Darya Varia Laboratoria, Tbk DVLA
24. Indofarma (Persero), Tbk INAF
25. Kimia Farma (Persero), Tbk KAEF
26. Kalbe Farma, Tbk KLBF
27. Merck Tbk MERK
28. Pyridam Farma, Tbk PYFA
29. Schering Plough Indonesia, Tbk SCPI
30. Industri Jamu dan Farmasi Sido Muncul, Tbk SIDO
31. Taisho Pharmaceutical Indonesia, Tbk SQBB
Subsektor Kosmetik dan Barang Keperluan Rumah Tangga
32. Martina Berto, Tbk MBTO
75
34. Mandom Indonesia, Tbk TCID
35. Unilever Indonesia, Tbk UNVR
Subsektor Peralatan Rumah Tangga
36. Kedawung Setia Industrial, Tbk KDSI
37. Kedaung Indah Can, Tbk KICI
38. Langgeng Makmur Industry, Tbk LMPI
39. Grand Kartech, Tbk. KRAH
76 LAMPIRAN 2
Daftar Pemilihan Sampel
No Nama Perusahaan Kode Perusahaan
Pemenuhan Kriteria Sampel
1 2 3
Subsektor Makanan dan Minuman
1. Akasha Wira International, Tbk
ADES √ √ √ 1
2. Tiga Pilar Sejahtera Food,Tbk
AISA √ √ X
3. Tri Banyan Tirta, Tbk ALTO X √ X
4. Aqua Golden Mississippi, Tbk
AQUA √ X X
5. Cahaya Kalbar, Tbk CEKA √ √ √ 2
6. Davomas Abadi, Tbk DAVO √ X √
7. Delta Djakarta, Tbk DLTA √ √ √ 3
8. Indofood CBP Sukses Makmur, Tbk
ICBP √ √ √ 4
9. Indofood Sukses Makmur, Tbk
INDF √ √ √ 5
10. Multi Bintang Indonesia, Tbk
MLBI √ √ √ 6
11. Mayora Indah, Tbk MYOR √ √ X
12. Prashida Aneka Niaga, Tbk
PSDN √ √ X
13. Nippon Indosari Corporindo, Tbk
ROTI √ √ √ 7
14. Sekar Bumi, Tbk SKBM X √ X
15. Sekar Laut, Tbk SKLT √ √ X
16. Siantar Top, Tbk STTP √ √ √ 8
17. Ultrajaya Milk Industry and Trading Company, Tbk
ULTJ √ √ √ 9
Subsektor Rokok
18. Gudang Garam, Tbk GGRM √ √ √ 10
19. Handjaya Mandala Sampoerna, Tbk
HMSP √ √ √ 11
20. Bentoel International Investama, Tbk
RMBA √ √ √ 12
21. Wismilak Inti Makmur, Tbk
77 Subsektor Farmasi
22. Darya Varia Laboratoria, Tbk
DVLA √ X √
23. Indofarma (Persero), Tbk
INAF √ √ X
24. Kimia Farma (Persero), Tbk
KAEF √ √ X
25. Kalbe Farma, Tbk KLBF √ √ √ 13
26. Merck Tbk MERK √ √ √ 14
26. Pyridam Farma, Tbk PYFA √ √ √ 15
27. Schering Plough Indonesia, Tbk
SCPI √ √ X
28. Industri Jamu dan Farmasi Sido Muncul, Tbk
SIDO X √ X
29. Taisho Pharmaceutical Indonesia, Tbk
SQBB √ X X
Subsektor Kosmetik dan Barang Keperluan Rumah Tangga
30. Martina Berto, Tbk MBTO √ √ X
32. Mustika Ratu, Tbk MRAT √ √ √ 16
33. Mandom Indonesia, Tbk
TCID √ √ √ 17
34. Unilever Indonesia, Tbk
UNVR √ √ X
Subsektor Peralatan Rumah Tangga
35. Kedawung Setia Industrial, Tbk
KDSI √ √ X
36. Kedaung Indah Can, Tbk
KICI √ √ √ 18
37. Langgeng Makmur Industry, Tbk
LMPI √ √ √ 19
38. Grand Kartech, Tbk. KRAH X √ √
78 LAMPIRAN 3
Daftar Perusahaan Consumer Goods yang Menjadi Sampel
No Nama Perusahaan Kode Perusahaan
1. Akasha Wira International, Tbk ADES
2. Cahaya Kalbar, Tbk CEKA
3. Delta Djakarta, Tbk DLTA
4. Indofood CBP Sukses Makmur, Tbk ICBP
5. Indofood Sukses Makmur, Tbk INDF
6. Multi Bintang Indonesia, Tbk MLBI
7. Nippon Indosari Corporindo, Tbk ROTI
8. Siantar Top, Tbk STTP
9. Ultrajaya Milk Industry and Trading Company, Tbk ULTJ
10. Gudang Garam, Tbk GGRM
11. Handjaya Mandala Sampoerna, Tbk HMSP
12. Bentoel International Investama, Tbk RMBA
14. Kalbe Farma, Tbk KLBF
15. Merck, Tbk MERK
16. Pyridam Farma, Tbk PYFA
17. Mustika Ratu, Tbk MRAT
18. Mandom Indonesia, Tbk TCID
18. Kedaung Indah Can, Tbk KICI
19. Langgeng Makmur Industry, Tbk LMPI
79 LAMPIRAN 4
DAFTAR TENURE AUDIT, UMUR LISTING, AUDIT REPORT LAG, DAN SPESIALISASI INDUSTRI AUDITOR
No Perusahaan Tahun Auditor Tenure
(X1) Age (X2) Alag (Y) Spec (Z)
1 ADES 2010 Kiman Mustika Karta, CPA 1 17 70 0
2011 H,Fuad Hasan, Ak 1 18 78 0
2012 H. Fuad Hasan, Ak 2 19 67 0
2013 H. Fuad Hasan,CPA 3 20 73 0
2014 Bambang Budi Tresno 1 21 89 1
2 CEKA 2010 Agung Purwanto 1 15 63 0
2011 Agung Purwanto 2 16 71 0
2012 Agung Purwanto 3 17 70 0
2013 Hermawan Setiadi 1 18 66 0
2014 Agung Purwanto 4 19 85 0
3 DLTA 2010 Parlindungan Siahaan 1 27 82 0
2011 Parlindungan Siahaan 2 28 86 0
2012 Henri Arifian 1 29 86 0
2013 Henri Arifian 2 30 86 0
2014 Henri Arifian 3 31 86 0
4 ICBP 2010 Indrajuwana Komala Widjaja 1 1 53 0
2011 Drs. Hari Purwantono 1 2 50 0
2012 Drs. Hari Purwantono 2 3 52 0
2013 Drs. David Sungkoro, CPA 1 4 48 0
2014 Feniwati Chendana, CPA 1 5 50 0
5 INDF 2010 Drs. Hari Purwantono 1 17 70 0
2011 Drs. Husni Arvan, CPA 1 18 87 0
2012 Drs. Hari Purwantono 2 19 70 0
2013 Drs. David Sungkoro, CPA 1 20 76 0
2014 Feniwati Chendana, CPA 1 21 71 0
6 MLBI 2010 Dra. Tohana Widjaja, CPA 1 17 61 0
2011 Dra. Tohana Widjaja, CPA 2 18 61 1
2012 Lok Budianto, S.E.,Ak., CPA 1 19 60 1
2013 Alexander Adrianto Tjahyadi, S.E.,CPA 1 20 76 1
2014 Dra. Tohana Widjaja, MBA, CPA 3 21 75 1
7 ROTI 2010 David Sungkoro 1 1 56 1
2011 Drs. David Sungkoro, CPA 2 2 71 0
2012 Feniwati Chendana, CPA 1 3 37 1
2013 Feniwati Chendana, CPA 2 4 48 1
2014 Drs. David Sungkoro,CPA 3 5 79 1
8 STTP 2010 Endang Pramuwati 1 15 95 0
2011 Drs, Jimmy Jansen, Ak.,CPA 1 16 94 0
80
2013 Wahyu Wibowo, CPA 2 18 86 0
2014 Wahyu Wibowo 3 19 86 0
9 ULTJ 2010 Drs. H. Beddy R. Samsi, Ak.,CPA 1 21 83 0
2011 Drs. H. Beddy R. Samsi, Ak.,CPA 2 22 85 0
2012 Bambang Budi Tresno 1 23 84 1
2013 Bambang Budi Tresno 2 24 83 1
2014 Bambang Budi Tresno 3 25 89 0
10 GGRM 2010 Karlika Singodimejo, SE, CPA 1 21 87 0
2011 Dra. Tohana. Widjaja, CPA 1 22 72 0
2012 Dra. Tohana Widjaja, MBA,CPA 2 23 81 0
2013 Dra. Tohana Widjaja, MBA,CPA 3 24 76 0
2014 Kusumaningsih Angkawijaya,CPA 1 25 83 0
11 HMSP 2010 Andry D. Atmadja, SE. AK.,CPA 1 21 75 0
2011 Andry D. Atmadja, SE. AK.,CPA 2 22 75 0
2012 Andry D. Atmadja, SE. AK., CPA 3 23 73 0
2013 Nita Skolastika Ruslim, CPA 1 24 86 0
2014 Nita Skolastika Ruslim, CPA 2 25 77 0
12 RMBA 2010 Jumadi,CPA 1 21 87 0
2011 Jumadi, S.E., CPA 2 22 81 0
2012 Eddy Rintis, S.E.,CPA 1 23 85 0
2013 Eddy Rintis, S.E.,CPA 2 24 86 0
2014 Eddy Rintis, S.E.,CPA 3 25 86 0
13 KLBF 2010 Agung Purwanto 1 20 67 0
2011 Sinarta 1 21 68 0
2012 Peter Surja, CPA 1 22 67 0
2013 Peter Surja, CPA 2 23 70 0
2014 Sinarta 2 24 71 0
14 MERK 2010 Dra. Tohana Widjaja, CPA 1 30 54 0
2011 Dra. Tohana Widjaja, CPA 2 31 54 0
2012 Kartika Singodimejo, S.E.,CPA 1 32 46 0
2013 Kartika Singodimejo, S.E.,CPA 2 33 45 0
2014 Joseph Vittorio Pesik, S.E.,CPA 1 34 58 0
15 PYFA 2010 F.X.Purwoto, SE, Ak, CPA 1 10 73 0
2011 F.X.Purwoto, SE, Ak, CPA 2 11 59 0
2012 F.X.Purwoto, SE, Ak, CPA 3 12 59 0
2013 Fahmi, SE, Ak, CPA 1 13 69 0
2014 Susanto Bong, SE, Ak, CPA, CA 1 14 75 0
16 MRAT 2010 Drs. Ruchjat Kosasih, M.M.,CPA 1 16 80 1
2011 Drs. Ruchjat Kosasih, M.M.,CPA 2 17 78 1
2012 Drs. Nunu Nurdiyaman, CPA 1 18 81 1
2013 Drs. Nunu Nurdiyaman, CPA 2 19 83 1
2014 Drs. Nunu Nurdiyaman, CPA 3 20 85 1
81
2011 Satrio Kartikahadi, SE 2 19 61 0
2012 Satrio Kartikahadi,SE 3 20 64 0
2013 Alvin Ismanto 1 21 64 0
2014 Alvin Ismanto 2 22 64 0
18 KICI 2010 Handriono, CPA 1 18 66 0
2011 Handriono, CPA 2 19 66 0
2012 Handriono, CPA 3 20 73 0
2013 Arief Setyadi, CPA 1 21 62 0
2014 Arsono Laksmana, CPA 1 22 63 0
19 LMPI 2010 Wahyu Wibowo, CPA 1 17 74 0
2011 Drs. Arthawan Santika, Ak.,M.M.,CPA 1 18 78 0
2012 Drs. Jimmy Jansen, Ak.,CPA 1 19 79 1
2013 Wahyu Wibowo, AK.,CPA 2 20 73 1
82 LAMPIRAN 5
HASIL OUTPUT SPSS SEBELUM MODERATING
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
TENURE 95 1 4 1.64 .784
AGE 95 1 34 19.00 7.116
ALAG 95 37 95 72.08 12.437
Valid N (listwise) 95
TENURE
Frequency Percent Valid Percent Cumulative Percent
Valid 0 79 83.2 83.2 83.2
1 16 16.8 16.8 100.0
Total 95 100.0 100.0
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .363a .132 .113 11.712 .742
a. Predictors: (Constant), AGE, TENURE
b. Dependent Variable: ALAG
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1920.476 2 960.238 7.001 .001a
Residual 12618.850 92 137.161
Total 14539.326 94
a. Predictors: (Constant), AGE, TENURE
83 Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 58.198 4.068 14.306 .000
TENURE 1.661 1.551 .105 1.071 .287
AGE .587 .171 .336 3.436 .010
84 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 95
Normal Parametersa,,b Mean .0000000
Std. Deviation 11.58633202
Most Extreme Differences Absolute .097
Positive .055
Negative -.097
Kolmogorov-Smirnov Z .944
Asymp. Sig. (2-tailed) .335
a. Test distribution is Normal. b. Calculated from data.
Runs Test
Unstandardized Residual
Test Valuea .06532
Cases < Test Value 47
Cases >= Test Value 48
Total Cases 95
Number of Runs 28
Z 1.221
Asymp. Sig. (2-tailed) .143
85 LAMPIRAN 6
HASIL OUTPUT SPSS SETELAH MODERATING
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
TENURE 95 1 4 1.64 .784
AGE 95 1 34 19.00 7.116
ALAG 95 37 95 72.08 12.437
SPEC 95 0 1 .20 .402
Valid N (listwise) 95
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .370a .137 .109 11.741 .750
a. Predictors: (Constant), SPEC, TENURE, AGE
b. Dependent Variable: ALAG
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1995.231 3 665.077 4.825 .004a
Residual 12544.095 91 137.847
Total 14539.326 94
a. Predictors: (Constant), SPEC, TENURE, AGE
86 Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 57.411 4.216 13.617 .000
TENURE 1.563 1.560 .099 1.002 .319 .979 1.021
AGE .613 .175 .351 3.506 .001 .946 1.057
SPEC 2.269 3.081 .073 .736 .463 .956 1.046
87 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 95
Normal Parametersa,,b Mean .0000000
Std. Deviation 11.55196167
Most Extreme Differences Absolute .086
Positive .059
Negative -.086
Kolmogorov-Smirnov Z .841
88 Runs Test
Unstandardized Residual
Test Valuea .02532
Cases < Test Value 46
Cases >= Test Value 49
Total Cases 95
Number of Runs 30
Z 1.221
Asymp. Sig. (2-tailed) .143
a. Median
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 71.759 2.291 31.327 .000
Zscore(TENURE) 1.671 1.458 .134 1.146 .255
Zscore(SPEC) -.091 1.486 -.007 -.061 .051
ABS(TENURE-SPEC) .315 1.839 .023 .171 .004
a. Dependent Variable: ALAG
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 80.235 2.167 37.026 .000
Zscore(AGE) 4.315 1.129 .347 3.820 .376
Zscore(SPEC) 4.803 1.423 .386 3.376 .064
ABS(AGE-SPEC) -6.639 1.520 -.496 -4.368 .009
71
DAFTAR PUSTAKA
Aamir Suhaib, and umar Farooq. 2011. ”Auditor- Client Relationship, and Audit Quality”; the Effects Of Long-Term Auditor- Client Relationship On Audit Quality, In Small and Medium- Sized Entities (SMEs).1st Edition, LAP Lambert Gmbh & Co.KG, Germany.
Ahmad, Hamzah, Alim, M. Nizarul, dan Subekti, Imam (2005). Pengujian Empiris Audit Report Lag Menggunakan Client Cycle Time dan Firm Cycle Time. Jurnal Akuntansi dan Keuangan, Simposium Nasional Akuntansi VIII : 941-954.
Arens, A.A. dan M.S. Beasly, 2015. Auditing dan Jasa Assurance : Pendekatan
Terintegrasi, Edisi Kelimabelas, Erlangga, Jakarta
Arens, A., Elder, R., & Beasley, M.(2014).Auditing and assurance services. New York: pearson.
Dyer, J. C. & A. J. McHugh. 1975. The Timeliness of The Australian Annual Report. Journal of Accounting Research. Vol. 13. No. 2, pp. 204-219.
Erlina, dan Sri Mulyani, 2007. Metodologi Penelitian Bisnis, Edisi Pertama, USU Press, Medan.
Habib, Ahsan & Md. Borhan Uddin Bhuiyan. 2011. Audit Firm Industry Specialization and The Audit Report Lag. Journal of International
Accounting. Auditing and Taxation. Vol. 20,pp. 32-44.
Halim, V. 2000. Faktor-Faktor yang Mempengaruhi Audit report lag. Jurnal Bisnis dan Akuntansi. Vol. 02. No.01. hlm. 67-75
Imam Ghozali. (2013). Aplikasi Analisis Multivariate dengan Program SPSS.
Semarang: BP UNDIP.
72 Lee, H-Y & G-J Jahng. 2011. Determinants of Audit Report Lag : Evidence from Korea – An Examination of Auditor-related Factors. Journal of Applied
Business Research. Vol. 24. No.2, pp. 27-44.
Lianto,N & Budi Hartono Kusuma, 2010. " Faktor-Faktor Yang Berpengaruh Terhadap Audit Report Lag”.Jurnal Bisnis dan Akuntansi Vol 12.
Messier, William F., Steven M Glover., Douglas F Pravit. 2014. Jasa Audit &
Assurance : Pendekatan Sistematis. Edisi 8, Jakarta : Salemba Empat.
Petronila,Thio Anastasia.2007.”Analisis Skala Perusahaan,Opini Audit,Dan Umur
Listing Atas Audit Delay”.Akuntabilitas,Maret 07.hal 129-141.
Shukeri, S. N., & Islam, M. A. (2012). The determinants of audit timeliness: Evidence from Malaysia. Journal of Applied Sciences Research, 8(7).
Subramanyam dan John J.Wild.,2013. Analisis Laporan Keuangan. Buku Satu. Jakarta : Salemba Empat.
Sugiyono, 2014. Metode Penelitian Bisnis, CV. Alfabeta, Bandung.
Utami, Wiwik, 2006. Analisis Determinan Audit Delay : Kajian Empiris di Bursa Efek Jakarta. Bulletin Penelitian No.09 Tahun 2006.
Weygandt, Jerry J., Kieso, Donald E., 2007. Intermediate Accounting, 12th Edition. John Wiley & Sons, Inc. USA
Wiguna Rahayu, Karina, 2012. “Pengaruh Tenure Audit Terhadap Audit Report Lag dengan Spesialisasi Industri Auditor Sebagai Variabel Pemoderasi : Studi Pada Bank Umum Konvensional di Indonesia Tahun 2008-2010”. Skripsi. Depok. Fakultas Ekonomi Universitas Indonesia.
Lembaga
Badan Pengurus Pasar Modal dan Lembaga Keuangan (2006). Keputusan Ketua Badan Pengawas Pasar Modal dan Lembaga Keuangan Nomor: KEP-06/BL/2006 tentang Kewajiban Penyampaian Laporan Berkala oleh
Perusahaan Efek. Available at
____________________________________________(2011). Keputusan Ketua Badan Pengawas Pasar Modal dan Lembaga Keuangan Nomor:
73
346/BL/2011 tentang Penyampaian Laporan Keuangan Berkala Emiten atau
Perusahaan Publik. Available at :
Fakultas Ekonomi, Universitas Sumatera Utara (2011). Buku Pedoman Penulisan
Skripsi dan Ujian Komprehensif Program Strata Satu (S1).
Ikatan Akuntan Indonesia (2014). Standar Profesional Akuntan Publik. Jakarta : Salemba Empat.
_____________________(2014). Standar Akuntansi Keuangan : PSAK No.1 –
Penyajian Laporan Keuangan. Jakarta : Salemba Empat
Pemerintah Republik Indonesia, (2015), Peraturan Pemerintah Republik
Indonesia No. 20 Tahun 2015 tentang Praktik Akuntan Publik, Jakarta.
Situs Internet
30 BAB III
METODE PENELITIAN 3.1 Jenis Penelitian
Jenis penelitian yang digunakan adalah penelitian asosiatif yaitu menurut
Sugiyono (2014:11) merupakan penelitian yang bertujuan untuk mengetahui
hubungan antara dua variable atau lebih. Dalam Erlina dan Sri Mulyani (2007:34)
peneliti menggunakan variabel moderasi atau moderator untuk melihat apakah
hubungan antara variabel independen dan dependen dipengaruhi oleh variabel
tersebut. Hal ini disebabkan karena menurut peneliti terdahulu kesimpulan
hubungan kausal antara variabel dependen dan independen hasilnya berbeda
antara peneliti yang satu dengan yang lainnya.
3.2 Populasi dan Sampel Penelitian
Populasi penelitian ini adalah perusahaan-perusahaan Consumer Goods yang terdaftar di Bursa Efek Indonesia pada tahun 2010-2014. Berdasarkan data yang
diperoleh melalui situs BEI diConsumer
31 Tabel 3.1
Perusahaan Consumer Goods yang Terdaftar di BEI (2010-2014)
No Nama Perusahaan Kode Perusahaan
Subsektor Makanan dan Minuman
1. Akasha Wira International, Tbk ADES
2. Tiga Pilar Sejahtera Food,Tbk AISA
3. Tri Banyan Tirta, Tbk ALTO
4. Aqua Golden Mississippi, Tbk AQUA
5. Cahaya Kalbar, Tbk CEKA
6. Davomas Abadi, Tbk DAVO
7. Delta Djakarta, Tbk DLTA
8. Indofood CBP Sukses Makmur, Tbk ICBP
9. Indofood Sukses Makmur, Tbk INDF
10. Multi Bintang Indonesia, Tbk MLBI
11. Mayora Indah, Tbk MYOR
12. Prashida Aneka Niaga, Tbk PSDN
13. Nippon Indosari Corporindo, Tbk ROTI
14. Sekar Bumi, Tbk SKBM
15. Sekar Laut, Tbk SKLT
16. Siantar Top, Tbk STTP
17. Ultrajaya Milk Industry and Trading Company, Tbk ULTJ
18. Chitose International, Tbk CHIT
Subsektor Rokok
19. Gudang Garam, Tbk GGRM
20. Handjaya Mandala Sampoerna, Tbk HMSP
21. Bentoel International Investama, Tbk RMBA
22. Wismilak Inti Makmur, Tbk WIIM
Subsektor Farmasi
23. Darya Varia Laboratoria, Tbk DVLA
24. Indofarma (Persero), Tbk INAF
25. Kimia Farma (Persero), Tbk KAEF
26. Kalbe Farma, Tbk KLBF
27. Merck Tbk MERK
28. Pyridam Farma, Tbk PYFA
29. Schering Plough Indonesia, Tbk SCPI
30. Industri Jamu dan Farmasi Sido Muncul, Tbk SIDO
31. Taisho Pharmaceutical Indonesia, Tbk SQBB
Subsektor Kosmetik dan Barang Keperluan Rumah Tangga
32. Martina Berto, Tbk MBTO
32
34. Mandom Indonesia, Tbk TCID
35. Unilever Indonesia, Tbk UNVR
Subsektor Peralatan Rumah Tangga
36. Kedawung Setia Industrial, Tbk KDSI
37. Kedaung Indah Can, Tbk KICI
38. Langgeng Makmur Industry, Tbk LMPI
39. Grand Kartech, Tbk. KRAH
Sumber :
Metode pengambilan sampel dilakukan dengan metode purposive sampling
yaitu sebuah metode pengambilan sampel berdasarkan suatu kriteria tertentu
(Erlina dan Mulyani, 2007:83). Adapun kriteria yang digunakan untuk memilih
sampel penelitian ini adalah sebagai berikut.
1. Perusahaan Consumer Goods yang terdaftar di BEI selama periode
2010-2014 dan sudah terdaftar sebelum 2010.
2. Perusahaan Consumer Goods yang tidak delisting dari BEI pada tahun
2010-2014.
3. Perusahaan Consumer Goods yang mempublikasikan laporan keuangan
lengkap dan audited pada periode 2010-2014.
Berdasarkan kriteria di atas, sampel dalam penelitian ini sebanyak 19
perusahaan dari 39 perusahaan Consumer Goods yang terdaftar di BEI periode
33 Tabel 3.2
Daftar Perusahaan Consumer Goods yang Menjadi Sampel
No Nama Perusahaan Kode Perusahaan
1. Akasha Wira International, Tbk ADES
2. Cahaya Kalbar, Tbk CEKA
3. Delta Djakarta, Tbk DLTA
4. Indofood CBP Sukses Makmur, Tbk ICBP
5. Indofood Sukses Makmur, Tbk INDF
6. Multi Bintang Indonesia, Tbk MLBI
7. Nippon Indosari Corporindo, Tbk ROTI
8. Siantar Top, Tbk STTP
9. Ultrajaya Milk Industry and Trading Company, Tbk ULTJ
10. Gudang Garam, Tbk GGRM
11. Handjaya Mandala Sampoerna, Tbk HMSP
12. Bentoel International Investama, Tbk RMBA
14. Kalbe Farma, Tbk KLBF
15. Merck, Tbk MERK
16. Pyridam Farma, Tbk PYFA
17. Mustika Ratu, Tbk MRAT
18. Mandom Indonesia, Tbk TCID
18. Kedaung Indah Can, Tbk KICI
19. Langgeng Makmur Industry, Tbk LMPI
Sumber : 3.3 Jenis dan Sumber Data
Data yang digunakan berupa data sekunder yang diperoleh dalam bentuk
yang sudah jadi yang tidak memerlukan pengolahan lebih lanjut, yaitu laporan
keuangan dan laporan keuangan auditan selama periode 2010-2014. Data laporan
keuangan diperoleh dari situs resmi Bursa Efek Indonesia
3.4 Metode Pengumpulan Data
Metode pengumpulan data dalam penelitian ini dilakukan dengan metode
dokumentasi yaitu dengan mempelajari, mengklasifikasikan, dan menganalisis
data sekunder berupa laporan keuangan,laporan keuangan auditan dan laporan
34 3.5Definisi Operasional dan Pengukuran Variabel Penelitian
Definisi operasional dari variabel-variabel yang digunakan dalam penelitian
ini adalah sebagai berikut:
3.5.1 Variabel Dependen
Variabel Dependen (Y) yang digunakan dalam penelitian ini adalah
audit report lag. Audit Report Lag merupakan rentang waktu penyelesaian
pelaksanaan audit laporan keuangan tahunan perusahaan berdasarkan
lamanya hari yang dibutuhkan untuk memperoleh laporan auditor independen
atas laporan keuangan tahunan perusahaan. Dalam penelitian ini, variabel
audit report lag diukur dari jumlah hari antara akhir periode akuntansi yakni
31 Desember sampai dengan tanggal yang tertera dalam laporan auditor
independen.
3.5.2 Variabel Independen 3.5.2.1 Tenure Audit
Variabel Independen (X1) yang digunakan dalam penelitian ini adalah
tenure audit. Variabel tenure audit dalam penelitian ini diukur dengan
menghitung jumlah tahun dimana auditor yang sama telah melakukan
perikatan audit terhadap klien. Tahun pertama perikatan dimulai dengan
angka 1 dan ditambah dengan satu untuk tahun-tahun berikutnya. Dasar
penetapan tenure di atas telah disebutkan dalam Peraturan Pemerintah Republik Indonesia Nomor 20 Tahun 2015 pasal 11 tentang Pembatasan
35 3.5.2.2 Umur Listing
Variabel Independen (X2) dalam penelitian ini adalah umur listing. Umur listing dalam penelitian ini dihitung dari pertama kali perusahaan
listing di Bursa Efek Indonesia sampai dengan tahun penelitian (Petronila,
2007)
3.5.3 Variabel Moderating
Variabel Moderating (Z) dalam penelitian ini adalah spesialisasi industri
auditor, dimana auditor spesialis diukur dengan menggunakan persentase
total aset dari perusahaan dalam suatu industri yang telah diaudit oleh auditor
tertentu dibandingkan dengan total aset perusahaan yang berada dalam
industri tertentu (Gul, Fung, & Jaggi, 2009). Variabel ini diukur dengan
menggunakan variabel dummy, angka 1 diberikan jika auditor memiliki spesialisasi industri, dan 0 jika sebaliknya.
Tabel 3.3
Definisi Operasional dan Skala Pengukuran Variabel
Variabel Definisi Variabel Indikator Skala
Tenure
Audit (X1)
Jumlah tahun dimana KAP atau auditor melakukan perikatan audit dengan klien yang sama/ jumlah tahun suatu KAP atau seorang auditor mengaudit suatu perusahaan.
Menghitung tahun dimana auditor yang sama telah melakukan
perikatan dengan klien.
Dummy variable, 1
= perusahaan
diaudit oleh auditor yang sama selama
≥3 tahun, 0 =
perusahaan diaudit oleh auditor yang sama <3 tahun
36
Umur Listing (X2)
Lamanya sebuah perusahaan
dilisting (IPO).
Umur Listing
dihitung dari pertama kali perusahaan listing
di Bursa Efek Indonesia sampai dengan tahun penelitian. Rasio Audit Report Lag (Y)
Lamanya waktu penyelesaian audit yang diukur dari tanggal penutupan tahun buku atau akhir tahun fiskal dalam laporan keuangan hingga tanggal diterbitkannya laporan auditor independen.
Jumlah hari antara akhir periode akuntansi yakni 31 Desember sampai dengan tanggal yang tertera dalam laporan auditor independen. Rasio Spesialisasi Industri Auditor (Z)
Mekanisme yang dilakukan oleh auditor untuk meningkatkan pengetahuannya dalam bidang industri tertentu, baik secara tidak langsung melalui pelatihan, maupun secara langsung dengan cara membatasi perikatan audit hanya pada jenis industri tertentu
Dummy variable, 1
untuk auditor spesialis industri, 0 untuk auditor non-spesialis industri.
Nominal
Sumber : Diolah oleh Peneliti (2015) 3.6 Metode dan Teknik Analisis Data
Metode dan teknik analisis data yang dilakukan dalam penelitian ini adalah
dengan analisis statistik yang menggunakan perangkat lunak statistik. Alat analisis
data yang digunakan adalah statistik deskriptif, yakni untuk mendeskripsikan
variabel-variabel dalam penelitian ini. Analisis data dilakukan dengan bantuan
perangkat lunak SPSS (Statistic Package for Social Science).
3.6.1 Uji Asumsi Klasik
Pengujian asumsi klasik ini bertujuan untuk mengetahui dan menguji
37
Pengujian ini juga dimaksudkan untuk memastikan bahwa di dalam
model regresi yang digunakan tidak terdapat multikolinieritas,
heteroskedastisitas dan autokorelasi (Ghozali, 2013).
3.6.1.1 Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam model regresi,
variabel pengganggu atau residual dapat terdistribusi secara normal. Jika
asumsi ini mengalami pelanggaran maka uji statistik menjadi tidak valid
dalam sampel kecil. Beberapa cara untuk mengetahui apakah residual
terdistribusi secara normal atau tidak yaitu dengan menggunakan analisis
grafik dan uji statistik. Dasar pengambilan keputusan untuk uji normalitas
data adalah (Ghozali, 2013):
a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal,
maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas.
”Uji statistik yang dapat digunakan untuk menguji normalitas residual
adalah uji statistik Kolmogorov-Smirnov (K-S)”, yang dijelaskan oleh
Ghozali (2013). Uji K-S dilakukan dengan membuat hipotesis:
Ho: Data residual berdistribusi normal
38 Bila nilai signifikan > 0,05 dengan α = 5% berarti distribusi data normal
dan Ho diterima, sebaliknya bila nilai signifikan <0,05 berarti distribusi
data tidak normal dan Ha diterima.
1.6.1.2Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah pada model
regresi ditemukan adanya korelasi antara variabel independen. Model
regresi yang baik seharusnya tidak ada korelasi antar variabel independen.
Suatu cara mendeteksi adanya multikolinieritas dalam persamaan
model dapat ditempuh dengan 2 cara (Ghozali, 2013), yaitu:
1. Correlation Matrix, multikolinieritas ditemukan apabila hubungan antara
variabel bebas melebihi 0.80.
2. Nilai Variance Inflation Factor (VIF) dan tolerance, nilai cut off yang umum dipakai untuk menunjukan adanya multikolinieritas adalah nilai
tolerance yang mendekati 0 atau nilai VIF > 5.
Penelitian ini menggunakan nilai dari Variance Inflation Factor (VIF)
dan nilai tolerance. Kedua ukuran ini menunjukkan setiap variabel
independen mana saja yang dijelaskan oleh variabel independen lainnya.
Jika nilai tolerance lebih dari atau sama dengan 10% (≥ 0,10) dan nilai
Variance Inflation Factor kurang dari atau sama dengan 10 (≤ 10), maka
tidak terjadi multikolinieritas (Ghozali,2013).
3.6.1.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi
39
pengamatan yang lain. Jika variance dan residual satu pengamatan ke
pengamatan lain tetap, maka disebut Homoskedasitisitas dan jika berbeda
disebut Heteroskedastisitas. Model regresi yang baik adalah yang
Homoskesdatisitas atau tidak terjadi Heteroskedastisitas, dimana titik-titik
dalam gambar scatterplot menyebar dan tidak membentuk pola tertentu yang jelas. Jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang teratur, maka mengindikasikan telah terjadi
heterokedastisitas. Akan tetapi, jika tidak ada pola yang jelas serta
titik-titik menyebar di atas dan di bawah angka nol (0) pada sumbu Y, maka
tidak terjadi heterokedastisitas (Ghozali, 2013).
3.6.1.4 Uji Autokorelasi
Gejala autokorelasi sering ditemukan pada data time series. Autokorelasi merupakan gejala yang terjadi karena antar observasi dari
satu variabel atau objek yang sama, dengan rentang waktu yang sama
sehingga terjadi hubungan dari waktu kewaktu lain. Cara yang dapat
dilakukan untuk mendeteksi ada atau tidaknya korelasi adalah dengan
melakukan uji Durbin-Watson. Selain uji Durbin-Watson, dapat juga
digunakan uji Lagrange Multiplier (LM test), uji Statistics Q, dan uji Run
40 3.6.2 Analisis Regresi Berganda
Pengukuran dan analisis terhadap pengembangan hipotesis
terhadap hubungan variabel independen dan variabel dependen mendasarkan
pada model regresi. Hipotesis tersebut menyatakan bahwa audit report lag
(ARL) sebagai variabel dependen yang digunakan dalam penelitian ini.
Dalam model 1 dinyatakan tenure audit dan umur listing berpengaruh
terhadap hubungan audit report lag (ALAG) secara positif maupun negatif. Pengujian terhadap model 1:
Y= α + β1X1 + β2X2 + e
dimana:
Y = variabel dependen yaitu audit report lag (ALAG)
a = konstanta
β1, β2 = koefisien regresi
X1 = tenure audit (TENURE)
X2 = umur listing (AGE)
e = error (penganggu)
3.6.3 Uji Hipotesis
3.6.3.1 Uji Signifikansi Simultan (F-test)
Uji F dilakukan untuk melakukan pengujian terhadap goodness of
fit test yang menyatakan bahwa pengaruh variabel independen bersama –
sama secara simultan terhadap variabel dependen dengan menggunakan
persamaan yang cermat. Kriteria pengujian dalam penelitian ini
41
1. Apabila nilai signifikansi t < 0.05, maka Ho akan ditolak, artinya terdapat
pengaruh yang signifikan antara satu variabel independen terhadap
variabel dependen.
2. Apabila nilai signifikansi t > 0.05, maka Ho akan diterima, artinya tidak
terdapat pengaruh yang signifikan antara satu variabel independen
terhadap variabel dependen.
3.6.3.2 Uji Koefisien Determinasi (Uji Adjusted R2)
Tujuan dari pengujian ini adalah menunjukan seberapa besar
variabel independen mempengaruhi dan dapat menjelaskan variabel
dependennya dalam persamaan yang dibuat secara cermat. Penilaian
terhadap adjusted R2 dengan interval dimulai dari angka 0 sampai 1.
Apabila jumlah adjusted R2 semakin besar hasil dari regresi tersebut dapat menyatakan bahwa variabel independenya dapat secara keseluruhan
menjelaskan variasi terhadap variabel dependen. Jika adjusted R2 = 0 maka
variabel independen tidak dapat memberikan bukti bahwa prediksi pengaruh
terhadap variabel dependen benar. Dan hasil menunjukan R2 = 1, maka
variabel independen dapat memberikan bukti terhadap prediksi pengaruh
pada variabel dependen.
3.6.3.3 Uji Signifikansi Parsial (t-test)
Pengujian statistik t digunakan untuk membuktikan signifikansinya
terhadap pengaruh variabel independen secara individu dalam menjelaskan
variabel dependen. Dengan tingkat signifikansi sebesar 5%, maka kriteria
42
1. Apabila nilai signifikansi t < 0.05, maka Ho akan ditolak, artinya
terdapat pengaruh yang signifikan antara semua variabel independen
terhadap variabel dependen.
2. Apabila nilai signifikansi t > 0.05, maka Ho akan diterima, artinya
tidak terdapat pengaruh yang signifikan antara semua variabel
independen terhadap variabel dependen.
3.6.4 Analisis Regresi Moderasi
Uji regresi moderasi ada tiga cara yaitu uji interaksi, uji nilai selisih mutlak,
dan uji residual. Dalam penelitian ini digunakan uji nilai selisih mutlak, dimana
uji nilai selisih mutlak menurut Furcot dan Shearon (1991) lebih akurat. Jika score
score tinggi untuk spesialisasi industri auditor bersosiasi dengan score rendah
maupun score tinggi TENURE, dan AGE, maka akan terjadi perbedaan nilai absolute yang besar. Hal ini juga akan berlaku score rendah untuk spesialisasi
industri auditor berasosiasi dengan score tinggi maupun score rendah TENURE, dan AGE. Kedua kombinasi ini diharapkan akan berpengaruh terhadap audit
report lag yang meningkat. Rumus regresi untuk menguji adalah sebagai berikut :
Y = β0 + β1X1 + β2Z + β3 |X1-Z| ………. (1)
Y = β4+ β5X2+ β4 Z + β7 |X2-Z| ……… (2)
Keterangan :
Y = Audit Report Lag (ALAG)
β0 =konstanta regresi persamaan 1
43 β1-β3 = konstanta regresi persamaan 1
β5- β7 = konstanta regresi persamaan 2
X1 = Tenure Audit (TENURE)
X2 = Umur Listing (AGE)
44 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN 4.1 Gambaran Umum
Populasi yang digunakan dalam penelitian ini adalah perusahaan
Consumer Goods yang terdaftar di BEI selama tahun 2010 sampai 2014.
Perusahaan yang dijadikan sampel berjumlah 19 perusahaan dengan time series 5
tahun sehingga jumlah sampel penelitian berjumlah 95 perusahaan. Variabel
independen yang digunakan adalah Tenure Audit (X1) dan Umur Listing (X2). Variabel dependen yang digunakan adalah Audit Report Lag (Y) dan variabel
moderating yang digunakan adalah Spesialisasi Industri Auditor (Z).
4.2 Statistik Deskriptif
Statistik deskriptif memberikan gambaran umum atau deskripsi suatu data
yang dijadikan sampel penelitian, dilihat dari nilai minimum, maksimum,
rata-rata, dan standar deviasi. Statistik deskriptif dari variabel yang diteliti ditunjukkan
dalam Tabel 4.1 di bawah ini.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
TENURE 95 1 4 1.64 .784
AGE 95 1 34 19.00 7.116
ALAG 95 37 95 72.08 12.437
SPEC 95 0 1 .20 .402
45
Tabel 4.1 merupakan output statistik deskriptif variabel penelitian dari
tahun 2010 sampai 2014 dengan menggunakan software SPSS. Jumlah sampel keseluruhan adalah 100 sampel (20 perusahaan Consumer Goods selama 5 tahun). Dari tabel dapat dijelaskan statistik deskriptif masing-masing variabel sebagai
berikut :
a. Variabel Tenure Audit (TENURE) memiliki nilai minimum sebesar 1 dan
nilai maksimum sebesar 4, nilai rata-rata sebesar 1.64 dan standar deviasi
sebesar 0.784.
b. Variabel Umur Listing (AGE) memiliki nilai minimum sebesar 1 dan nilai
maksimum 34, nilai rata-rata sebesar 19.00 dan standar deviasi sebesar
7.116.
c. Variabel Audit Report Lag (ALAG) memiliki nilai minimum sebesar 37 dan nilai maksimum sebesar 95, nilai rata-rata sebesar 72.08 dan standar
deviasi sebesar 12.437.
d. Variabel Spesialisasi Industri Auditor (SPEC) memiliki nilai minimum
sebesar 0 dan nilai maksimum sebesar 1, nilai rata-rata sebesar 0.20 dan
standar deviasi sebesar 0.402.
Tabel 4.2 Tenure Audit (X1)
TENURE
Frequency Percent Valid Percent Cumulative Percent
Valid 0 79 83.2 83.2 83.2
1 16 16.8 16.8 100.0
46
Berdasarkan tabel 4.2 dapat dideskripsikan bahwa variabel independen
pertama (X1) yaitu tenure audit yang merupakan variabel dummy dengan menggunakan skala nominal. Dalam hal ini apabila perusahaan diaudit oleh
auditor yang sama selama ≥3 tahun diberi kode “1”, sedangkan apabila
perusahaan diaudit oleh auditor yang sama <3 tahun maka diberi kode “0”. Data
yang diolah bersifat valid karena seluruhnya telah diproses. Perusahaan yang
diaudit oleh auditor yang sama selama ≥3 tahun sebanyak 16 perusahaan atau
16,8% dari total keseluruhan data, sedangkan perusahaan yang diaudit oleh
auditor yang sama <3 tahun sebanyak 79 perusahaan atau 83,2% dari total
keseluruhan data.
Tabel 4.3
Spesialisasi Industri Auditor (Z) SPEC
Frequency Percent Valid Percent Cumulative Percent
Valid 0 76 80.0 80.0 80.0
1 19 20.0 20.0 100.0
Total 95 100.0 100.0
Berdasarkan tabel 4.3 dapat dideskripsikan bahwa variabel moderating (Z)
yaitu spesialisasi industri auditor merupakan variabel dummy dengan
menggunakan skala nominal. Dalam hal ini apabila auditor termasuk auditor
spesialis industry maka diberi kode “1”, sedangkan apabila auditor termasuk
auditor non-spesialis maka diberi kode “0”. Data yang diolah bersifat valid karena
seluruhnya telah diproses. Perusahaan yang menggunakan auditor spesialis
[image:35.595.115.513.392.524.2]47
sedangkan perusahaan yang menggunakan auditor non-spesialis industri sebanyak
76 perusahaan atau 80.0% dari total keseluruhan data.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas
Uji normalitas dilakukan pada tiap-tiap variabel penelitian untuk
mengetahui variabel mana yang memenuhi dan tidak memenuhi asumsi
normalitas.Uji normalitas dengan analisis grafik dapat dilakukan dengan
melihat grafik histogram dan normal probability plot. Sedangkan analisis statistik dilakukan dengan uji non-parametrik One Sample
Kolmogorov-Smirnov. Pada uji Kolmogorov-Smirnov, apabila nilai signifikansi lebih
besar dari 0.05, maka data residual berdistribusi normal. Sebaliknya, jika
nilai signifikansi lebih kecil dari 0.05, maka data residual tidak
48 Tabel 4.4
Uji Kolmogorov-Smirnov Sebelum Moderating One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 95
Normal Parametersa,,b Mean .0000000
Std. Deviation 11.58633202
Most Extreme Differences Absolute .097
Positive .055
Negative -.097
Kolmogorov-Smirnov Z .944
Asymp. Sig. (2-tailed) .335
Hasil dari pengolahan data penelitian sebelum moderating dengan
menggunakan uji Kolmogorov-Smirnov yang tersaji dengan tabel 4.2 diperoleh
signifikansi variabel audit report lag lebih besar dari 0.05 yaitu 0.335 yang menunjukkan bahwa data penelitian terdistribusi secara normal.
Tabel 4.5
Uji Kolmogorov-Smirnov Setelah Moderating
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 95
Normal Parametersa,,b Mean .0000000
Std. Deviation 11.55196167
Most Extreme Differences Absolute .086
Positive .059
Negative -.086
Kolmogorov-Smirnov Z .841
49 a. Test distribution is Normal.
b. Calculated from data.
Hasil dari pengolahan data penelitian setelah moderating dengan
menggunakan uji Kolmogorov-Smirnov yang tersaji dengan tabel 4.3 diperoleh signifikansi varibel audit report lag lebih besar dari 0.05 yaitu 0.479 yang
[image:38.595.115.513.320.584.2]menunjukkan bahwa data penelitian terdistribusi secara normal.
50 Gambar 4.2
[image:39.595.120.516.104.716.2]Histogram Setelah Moderating
[image:39.595.114.513.115.371.2]51 Gambar 4.4
Normal Plot Setelah Moderating
Dengan melihat tampilan grafik histogram yang tersaji pada gambar 4.1
(sebelum moderating) maupun grafik normal plot yang tersaji pada gambar 4.3
(setelah moderating) dapat disimpulkan bahwa grafik histogram memberikan pola
distribusi yang normal. Sedangkan pada grafik normal plot terlihat titik-titik
menyebar di sekitar diagonal, serta penyebarannya mendekati garis diagonal.
Kedua grafik ini menunjukkan model regresi tidak menyalahi asumsi normalitas.
Grafik histogram yang tersaji pada gambar 4.2 (setelah moderating)
maupun grafik normal plot yang tersaji pada gambar 4.4 (setelah moderating)
dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang
52
diagonal, serta penyebarannya mendekati garis diagonal. Kedua grafik ini
menunjukkan model regresi tidak menyalahi asumsi normalitas.
4.3.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah dalam suatu model
regresi terdapat korelasi antar variabel independen. Secara umum ada dua cara
untuk mendeteksi adanya multikolinearitas, yakni dengan melihat nilai tolerance
dan variance inflation factor (VIF). Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolineritas adalah jika tolerance < 0,1 dan nilai VIF > 10.
Tabel 4.6 Uji Multikolinearitas Sebelum Moderating
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 58.198 4.068 14.306 .000
TENURE 1.661 1.551 .105 1.071 .287 .986 1.014
AGE .587 .171 .336 3.436 .010 .986 1.014
a. Dependent Variable: ALAG
Dari uji multikolinearitas sebelum moderating yang tersaji dalam tabel 4.4
dapat dilihat tidak terjadi gejala multikolinearitas antar varibel penelitian, hal ini
ditunjukkan dalam angka VIF (Variance Inflation Factor) dari Tenure Audit dan
53
Tabel 4.7 Uji Multikolinearitas Setelah Moderating
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 57.411 4.216 1.362E1 .000
TENURE 1.563 1.560 .099 1.002 .319 .979 1.021
AGE .613 .175 .351 3.506 .001 .946 1.057
SPEC 2.269 3.081 .073 .736 .463 .956 1.046
a. Dependent Variable: ALAG
Dari uji multikolinearitas setelah moderating yang tersaji dalam tabel 4.5
dapat dilihat tidak terjadi gejala multikolinearitas antar varibel penelitian, hal ini
ditunjukkan dalam angka VIF (Variance Inflation Factor) dari Tenure Audit dan
Umur Listing yang < 10 dan nilai tolerance > 0.10.
4.3.3 Uji Heteroskedastisitas
Tujuan dilakukannya uji heterokedastisitas adalah untuk menguji apakah
dalam suatu model regresi terdapat ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Penelitian ini menggunakan uji Scatterplot
54 Gambar 4.5
Uji Heteroskedastisitas Sebelum Moderating
Dari grafik scatterplot sebelum moderating yang tersaji pada gambar 4.5
dapat dilihat bahwa titik-titik menyebar secara acak dan tidak membentuk pola
tertentu serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Jadi,
55 Gambar 4.6
Uji Heteroskedastisitas Setelah Moderating
Dari grafik scatterplot setelah moderating yang tersaji pada gambar 4.6
dapat dilihat bahwa titik-titik menyebar secara acak dan tidak membentuk pola
tertentu serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Jadi,
56 4.3.4 Uji Autokorelasi
Pengujian autokorelasi dilakukan untuk melihat apakah dalam suatu model
regresi linear terdapat korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (periode sebelumnya). Uji autokorelasi dalam
[image:45.595.112.510.312.485.2]penelitian ini dilakukan dengan menggunakan uji Run Test.
Tabel 4.8 Uji Autokorelasi Sebelum Moderating
Runs Test
Unstandardized Residual
Test Valuea .06532
Cases < Test Value 47
Cases >= Test Value 48
Total Cases 95
Number of Runs 28
Z 1.221
Asymp. Sig. (2-tailed) .143
a. Median
Dari uji Run Test untuk uji autokorelasi sebelum moderating tersaji pada tabel 4.6 dapat dilihat bahwa signifikansi variabel audit report lag lebih besar dari
57 Tabel 4.9
Uji Autokorelasi Setelah Moderating
Runs Test
Unstandardized Residual
Test Valuea .02532
Cases < Test Value 46
Cases >= Test Value 49
Total Cases 95
Number of Runs 30
Z 1.221
Asymp. Sig. (2-tailed) .143
a. Median
Dari uji Run Test untuk uji autokorelasi sebelum moderating tersaji pada
tabel 4.6 dapat dilihat bahwa signifikansi variabel audit report lag lebih besar dari 0.05 yaitu 0.143 yang menunjukkan bahwa residual random atau tidak terjadi autokorelasi antar nilai residual.
4.4 Analisis Regresi Berganda
Analisis regresi berganda dilakukan untuk mengetahui seberapa besar
ketergantungan variabel dependen dengan satu atau lebih variabel independen.
Hasil analisis regresi berganda adalah berupa koefisien untuk masing-masing
58 Tabel 4.10
Koefisien Regresi Berganda
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 58.198 4.068 14.306 .000
TENURE 1.661 1.551 .105 1.071 .287
AGE .587 .171 .336 3.436 .010
a. Dependent Variable: ALAG
Berdasarkan nilai koefisien yang terdapat pada tabel 4.10, dapat dihasilkan
persamaan regresi sebagai berikut :
ALAG = 58.198 + 1.661 TENURE + 0.587 AGE
Dari hasil persamaan regresi berganda tersebut, masing-masing variabel
independen dapat diinterpretasikan pengaruhnya terhadap audit report lag yaitu : 1. Konstanta sebesar 58.198 menyatakan bahwa jika tidak ada variabel
tenure audit (X1) dan umur listing (X2) atau pada saat tenure audit (X1)
dan umur listing (X2) sama dengan 0 atau konstan maka audit report lag
(Y) adalah sebesar 58.198.
2. Koefisien nilai TENURE (X1) sebesar 1.661. Hal ini menunjukkan bahwa apabila terjadi peningkatan variabel tenure audit sebesar 1%, maka akan
menaikkan audit report lag sebesar 1.661.
3. Koefisien nilai AGE (X2) sebesar 0.587. Hal ini menunjukkan bahwa
apabila terjadi peningkatan variabel umur listing sebesar 1%, maka akan
59 4.5 Pengujian Hipotesis
4.5.1 Uji Signifikansi Parsial (Uji t)
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu
variabel independen secara individual dalam menerangkan variasi variabel
dependen. Variabel independen dikatakan memiliki pengaruh signifikan
terhadap variabel dependen apabila variabel dependen tersebut memiliki
nilai signifikansi (sig) di bawah 0.05.
Tabel 4.11 Uji Signifikansi Parsial
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 58.198 4.068 14.306 .000
TENURE 1.661 1.551 .105 1.071 .287
AGE .587 .171 .336 3.436 .010
a. Dependent Variable: ALAG
Dari tabel 4.11, hasil pengujian secara parsial menunjukkan bahwa secara
parsial hanya variabel umur listing (X2) yang berpengaruh signifikan terhadap
audit report lag (Y). Hal ini ditunjukkan oleh nilai signifikansi tenure audit (X1)
sebesar 0.287 yang berarti lebih besar dari 0.05 sehingga tidak berpengaruh
signifikan, sedangkan variabel umur listing (X2) berpengaruh signifikan karena
nilai signifikansinya 0.010 yang berarti lebih kecil dari 0.05 dan nilai thitung =
3.436 > nilai ttabel = 1.985.
60 4.5.2 Uji Signifikansi Simultan (Uji F)
Uji F pada dasarnya menunjukkan apakah semua variabel independen
yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel dependen. Variabel-variabel independen tersebut dikatakan
mempunyai pengaruh secara simultan dan signifikan terhadap variabel dependen
[image:49.595.114.514.279.411.2]apabila memiliki nilai signifikansi (sig) di bawah 0.05.
Tabel 4.12
Uji Signifikansi Simultan ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1920.476 2 960.238 7.001 .001a
Residual 12618.850 92 137.161
Total 14539.326 94
a. Predictors: (Constant), AGE, TENURE
b. Dependent Variable: ALAG
Dari uji signifikansi simultan yang tersaji pada tabel 4.12, dapat dilihat
bahwa semua variabel independen, yaitu tenure audit (X1) dan umur listing (X2) berpengaruh signifikan terhadap variabel dependen audit report lag (Y) secara
bersama-sama atau simultan. Hal ini ditunjukkan oleh nilai signifikansi yang
menunjukkan angka 0.001 yang berarti < 0.05 dan nilai Fhitung = 7.001 > Ftabel =
3.095.
4.5.3 Uji Koefisien Determinasi (R2)
Uji koefisien determinasi dilakukan dengan tujuan untuk melihat sejauh
61 Tabel 4.13
Uji Koefisien Determinasi Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .363a .132 .113 11.712 .742
a. Predictors: (Constant), AGE, TENURE
b. Dependent Variable: ALAG
Dari tabel 4.13 dapat dilihat bahwa angka koefisien Adjusted R square
bernilai 0,132. Angka ini mengindikasikan bahwa 13,2% variasi atau perubahan
dalam audit report lag (Y) mampu dijelaskan oleh tenure audit (X1) dan umur
listing (X2). Dan sisanya 86.8% dijelaskan oleh faktor-faktor lain yang tidak
dimasukkan dalam model penelitian.
4.6 Hasil Hipotesis Sebelum Moderating
Hasil hipotesis penelitian sebelum moderating ini menyatakan bahwa umur
listing (X2) berpengaruh positif dan signifikan terhadap audit report lag (Y),
sedangkan tenure audit (X1) tidak berpengaruh signifikan terhadap audit report
lag (Y). Hal ini berarti hanya hipotesis kedua dan ketiga yang diterima, yaitu H2 ((umur listing (X2) berpengaruh terhadap audit report lag (Y)) dan H3 ((secara
simultan tenure audit (X1) dan umur listing (X2) berpengaruh signifikan terhadap
audit report lag (Y)).
4.7 Analisis Regresi Moderasi
Dalam penelitian ini digunakan uji nilai selisih mutlak, jika score tinggi untuk spesialisasi industri auditor bersosiasi dengan score rendah maupun score
62
besar. Hal ini juga akan berlaku score rendah untuk spesialisasi industri auditor
[image:51.595.113.523.226.428.2]berasosiasi dengan score tinggi maupun score rendah TENURE, dan AGE. Kedua kombinasi ini diharapkan akan berpengaruh terhadap audit report lag yang meningkat.
Tabel 4.14
Hasil Uji Nilai Selisih Mutlak Persamaan 1
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 71.759 2.291 31.327 .000
Zscore(TENURE) 1.671 1.458 .134 1.146 .255
Zscore(SPEC) -.091 1.486 -.007 -.061 .051
ABS(TENURE-SPEC) .315 1.839 .023 .171 .004
a. Dependent Variable: ALAG
Dilihat dari tabel 4.14 dapat diperoleh hasil bahwa spesialisasi industri
auditor (Z) merupakan variabel moderating karena nilai signifikansi variabel
ABS(TENURE-SPEC) menunjukkan 0.004 di bawah 0.05 dan nilai koefisiennya
yang positif yaitu sebesar 0.315 yang artinya memperkuat hubungan antara tenure
audit (X1) dengan audit report lag (Y), sehingga H4 diterima ((Spesialisasi industri auditor (Z) memoderasi hubungan antara tenure audit (X1) dengan audit
report lag (Y)). Dari tabel 4.14 dapat disimpulkan persamaan regresi sebagai
berikut :
ALAG = 71.759 + 1.671 TENURE - 0.091 AGE + 0.315
63 Tabel 4.15
Hasil Uji Nilai Selisih Mutlak Persamaan 2
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 80.235 2.167 37.026 .000
Zscore(AGE) 4.315 1.129 .347 3.820 .376
Zscore(SPEC) 4.803 1.423 .386 3.376 .064
ABS(AGE-SPEC) -6.639 1.520 -.496 -4.368 .009
a. Dependent Variable: ALAG
Dilihat dari tabel 4.16 dapat diperoleh hasil bahwa spesialisasi industri
auditor (Z) merupakan variabel moderating karena nilai signifikansi variabel
ABS (AGE-SPEC) menunjukkan 0.009 di bawah 0.05 dan nilai koefisiennya yang
negatif yaitu sebesar -6.639 berarti memperlemah hubungan antara umur listing
(X2) dengan audit report lag (Y). Dari tabel 4.16 dapat disimpulkan persamaan regresi sebagai berikut :
ALAG = 80.235 + 4.315 AGE + 4.803 SPEC – 6.639 |AGE-SPEC|
4.8 Hasil Hipotesis Setelah Moderating
Hasil hipotesis penelitian setelah moderating ini menyatakan bahwa spesialisasi
industri auditor (Z) mampu memoderasi hubungan antara tenure audit (X1) dengan
audit report lag (Y), dan juga hubungan antara umur listing (X2) dengan audit report
64
Hal ini berarti H4 (spesialisasi industri auditor (Z) memoderasi hubungan antara
tenure audit (X1) dengan audit report lag (Y)), dan H5 (Spesialisasi industri
auditor (Z) memoderasi hubungan antara umur listing (X2) dengan audit report lag (Y)) diterima.
4.9 Pembahasan Hasil Penelitian
4.9.1 Pengaruh Tenure Audit (X1) terhadap Audit Report Lag (Y)
Berdasarkan output SPSS, hasil penelitian pada tabel 4.11
menunjukkan bahwa nilai signifikansi tenure audit (X1) terhadap audit report lag (Y) sebesar 0.287 > 0.05 dan nilai thitung = 1.071 < nilai ttabel =
1.985, sehingga H1 ditolak yaitu tenure audit (X1) tidak berpengaruh terhadap audit report lag (Y). Hasil penelitian ini tidak sejalan dengan
hasil penelitian Lee et al. (2011) yang menunjukkan bahwa tenure audit (X1) berpengaruh negatif terhadap audit report lag (Y) dan juga penelitian Halim (2000) yang menunjukkan adanya pengaruh positif antara tenure
audit (X1) dengan audit report lag (Y).
4.9.2 Pengaruh Umur Listing (X2) terhadap Audit Report Lag (Y)
Berdasarkan output SPSS, hasil penelitian pada tabel 4.11
menunjukkan bahwa nilai signifikansi umur listing (X2) terhadap audit report lag (Y) sebesar 0.010 < 0.05 dan thitung = 3.436 > nilai ttabel = 1.985,
dan nilai koefisiennya yang positif yaitu 0.587. Nilai koefisien yang positif
dapat diinterpretasikan bahwa umur listing (X2) berpengaruh positif terhadap audit report lag (Y) sehingga H2 diterima yaitu umur listing (X2)
65
dengan hasil penelitian Owushu-Ansah (2002) yang menunjukkan bahwa
umur listing (X2) berpengaruh positif terhadap audit report lag (Y).
4.9.3 Pengaruh Tenure Audit (X1), dan Umur Listing (X2) secara simultan terhadap Audit Report Lag (Y)
Berdasarkan output SPSS, hasil penelitian pada tabel 4.12
menunjukkan bahwa nilai signifikansi tenure audit (X1), dan umur listing
(X2) secara simultan terhadap audit report lag (Y) sebesar 0.001 < 0.05 dan Fhitung = 7.001 > Ftabel = 3.095 sehingga H4 diterima yaitu tenure audit
(X1), dan umur listing (X2) secara simultan berpengaruh terhadap audit
report lag (Y).
4.9.4 Pengaruh Spesialisasi Industri Auditor (Z) sebagai Variabel Moderating dalam memoderasi hubungan antara Tenure Audit (X1) terhadap Audit Report Lag (Y)
Berdasarkan output SPSS, hasil penelitian pada tabel 4.14
menunjukkan bahwa spesialisasi industri auditor (Z) merupakan variabel
moderating karena nilai signifikansi variabel ABS (TENURE-SPEC)
menunjukkan 0.004 < 0.05 dan nilai koefisiennya yang positif yaitu 0.315.
Nilai koefisien yang positif dapat diinterpretasikan bahwa spesialisasi
industri auditor (Z) memperkuat hubungan antara tenure audit (X1)
dengan audit report lag (Y) sehingga H4 diterima yaitu spesialisasi industri auditor (Z) memoderasi hubungan antara tenure audit (X1) dengan
66 4.9.5 Pengaruh Spesialisasi Industri Auditor (Z) sebagai Variabel
Moderating dalam memoderasi hubungan antara Umur Listing (X2) terhadap Audit Report Lag (Y)
Berdasarkan output SPSS, hasil penelitian pada tabel 4.15
menunjukkan bahwa spesialisasi industri auditor (Z) merupakan variabel
moderating karena nilai signifikansi variabel ABS (AGE-SPEC)
menunjukkan 0.009 < 0.05 dan nilai koefisiennya yang negatif yaitu
-6.639. Nilai koefisien yang negatif dapat diinterpretasikan bahwa
spesialisasi industri auditor (Z) memperkuat hubungan antara umur listing
(X2) dengan audit report lag (Y) sehingga H5 diterima yaitu spesialisasi
67 BAB V
KESIMPULAN DAN SARAN 5.1 Kesimpulan
Berdasarkan perumusan masalah dan hasil penelitian dapat disimpulkan
bahwa :
1. Secara parsial variabel umur listing (X2) berpengaruh
signifikan dan positif terhadap audit report lag (Y). Pernyataan ini ditunjukkan oleh nilai signifikansi tenure audit (TENURE) sebesar 0.287 > 0.05. Di sisi lain, nilai signifikansi variabel
umur listing (AGE) sebesar 0.010 < 0.05.
2. Secara simultan, tenure audit (X1), dan umur listing (X2)
berpengaruh terhadap audit report lag (Y). Pernyataan ini ditunjukkan oleh signifikansi 0.001 < 0.05 dan nilai Fhitung =
7.001 > nilai Ftabel = 3.095.
3. Spesialisasi industri auditor (Z) mampu menjadi variabel
moderating untuk audit report lag (Y). Dimana spesialisasi
industri auditor (Z) memperkuat hubungan antara tenure audit (X1) dengan audit report lag (Y), dan memperlemah hubungan antara umur listing (X2) dengan audit report lag (Y).
Pernyataan ini ditunjukkan oleh nilai signifikansi 0.004 dan
0.009 di bawah 0.05 serta nilai koefisiennya sebesar 0.315, dan
68 5.2 Keterbatasan Penelitian
Keterbatasan penelitian ini adalah sebagai berikut :
1. Hanya menggunakan perusahaan consumer goods yang terdaftar di Bursa Efek Indonesia sebagai populasi penelitian dan sampel yang
diperoleh hanya berjumlah 19 perusahaan sehingga belum dapat
mewakili keseluruhan perusahaan yang terdaftar di Bursa Efek
Indonesia.
2. Variabel independen dalam penelitian ini hanya dibatasi pada
tenure audit dan umur listing walaupun banyak faktor lain yang
mempengaruhi Audit Report Lag.
3. Menggunakan persentase total aset klien pada suatu industri dan
hanya diambil yang paling besar, sehingga auditor yang memiliki
persentase total aset perusahaan klien terbesar ditentukan sebagai
auditor spesialis industri, sesuai dengan kriteria Gul, Fung, dan Jaggi
(2009). Serta apabila auditor tersebut memiliki persentase total aset
perusahaan klien minimum 15%. Hal ini mengakibatkan auditor yang
memiliki persentase total aset perusahaan klien terbesar kedua tidak
ditentukan sebagai spesialis, meskipun auditor tersebut mungkin juga
69 5.3 Saran
Saran yang dapat diberikan adalah sebagai berikut :
1. Bagi Peneliti Selanjutnya
a. Peneliti selanjutnya disarankan menggunakan
perusahaan-perusahaan lain yang terdaftar di Bursa Efek Indonesia yang
memiliki jumlah perusahaan yang relatif lebih besar.
b. Peneliti selanjutnya dapat menambahkan variabel-variabel lainnya
yang mungkin berpengaruh terhadap audit report lag pada perusahaan consumer goods.
c. Penelitian selanjutnya dapat menggunakan metode lain dalam
menentukan auditor spesialis industri, diantaranya berdasarkan
persentase penjualan klien atau dominasi jumlah klien suatu
auditor pada industri tertentu.
2. Bagi para auditor
Auditor disarankan untuk melakukan pekerjaan lapangan dengan
sebaik-baiknya sehingga pekerjaan dapat dilakukan secara efektif dan
efisien serta auditor dapat mengeluarkan laporan hasil audit yang
sesuai dengan prosedur dan standar auditing yang ditetapkan oleh
Institut Akuntan Publik Indonesia.
3. Bagi para investor
Investor disarankan lebih memperhatikan seluruh data keuangan guna
membantu dalam membuat pertimbangan dan atau prediksi yang
70
4. Bagi Pihak Perusahaan
Sebaiknya dalam penunjukkan penugasan audit dilakukan jauh hari
sebelum tahun buku berakhir dan memberikan keleluasaan kepada
pihak auditor agar pihak auditor dapat merencanakan waktu sebaik
mungkin sehingga laporan keuangan auditan dapat diterbitkan
secepatnya agar dapat memperpendek audit report lag.
5. Bagi para praktisi manajemen
Sebaiknya tidak hanya berfokus pada beberapa faktor saja namun
dapat memperluas analisis dan logika teori yang tepat untuk
mengetahui faktor-faktor yang paling berpengaruh terhadap audit
9
BAB II
TINJAUAN PUSTAKA
2.1 Tinjauan Teoritis
2.1.1 Teori Keagenan (Agency Theory)
Teori keagenan menurut Jensen and Meckling (1976) adalah “teori yang
menjelaskan hubungan antara pihak agen (manajemen) dengan prinsipal
(pemegang saham)”. Dalam hal ini pihak prinsipal sebagai pemilik akan
memberikan informasi kepada pihak agen sebagai manajer untuk melakukan
pengolahan informasi. Hasil pengolahan informasi dapat digunakan dalam
pengambilan keputusan bagi pihak prinsipal.
Dalam hubungan prinsipal dan agen tidak selalu terjadi kesesuaian informasi
diantara kedua pihak tersebut. Ketidaksesuaian informasi ini disebut asymmetric
information antara pihak agen dengan prinsipal.
Menurut Jensen and Meckling (1976) asymmetric information dapat menyebabkan dua permasalahan,antara lain :
1. Moral Hazard merupakan permasalahan yang timbul karena agen tidak
melaksanakan hal yang telah disepakati dalam kontrak kerja bersama.
2. Adverse Selection merupakan suatu keadaan dimana prinsipal tidak dapat
mengetahui apakah suatu keputusan yang diambil agen benar–benar
10
Dalam proses audit diperlukan adanya hubungan kerja yang erat dengan
manajemen perusahaan sebagai pihak klien. Hubungan perikatan audit dengan
manajemen perusahaan (klien) disebut dengan tenure audit. Jika jangka waktu perikatan audit semakin panjang maka menimbulkan ketergantungan yang
menyebabkan auditor mulai kehilangan independensinya. Oleh karena itu auditor
harus menyadari bahwa ancaman terhadap independensi dan objektivitas
membutuhkan pengamanan yang sesuai.
Dalam penerapan teori keagenan, audit report lag perlu diperhatikan. Audit
report lag (ARL) mempunyai hubungan erat dengan ketepatan waktu publikasi
laporan keuangan, karena manfaat laporan keuangan menjadi tidak tepat waktu
bagi para pengguna apabila laporan tersebut tidak disampaikan secara tepat waktu.
Ketepatan waktu menunjukkan rentang waktu antara informasi yang ingin
disajikan dengan pelaporan, apab
