1 BAB 4
ANALISIS DATA DAN PEMBAHASAN 4.1. Hasil Pengumpulan Sampel
Sampel dalam penelitian ini ditentukan berdasarkan purposive sampling atau teknik dalam menentukan sampel berdasarkan kriteria yang telah ditentukan persyaratannya sehingga mendapatkan sampel yang dapat
diukur dengan handal dan merepresentasikan hasil dari penelitian.
Penelitian ini berfokus pada daerah kabupaten/ kota di wilayah Indonesia
Timur dikarenakan, pertama kabupaten/ kota di wilayah Indonesia Timur
menurut BPK RI yaitu kecuali kabupaten/ kota yang berada di pulau
Sumatra dan Jawa, dianggap telah mewakili Indonesia bagian barat,
tengah, dan timur serta memiliki karakteristik yang hampir sama. Kedua,
tahun 2014 merupakan data periode terbaru. Ketiga, penggunaan data satu
tahun karena persebaran data yang rendah dalam proksi pengukuran atas
variabel yang digunakan.
Setelah sampel diolah maka terkumpulkan 59 data sampel
kabupaten/ kota dalam penelitian ini. Keterangan lebih lanjut terkait data
2
Hasil Pengambilan Sampel Tabel 4.1
NO KRITERIA SAMPEL JUMLAH
1 1. Pemerintah kabupaten/kota di Indonesia yang LKDP sudah diaudit
pada tahun 2014
2. Pemerintah kabupaten/ kota wilayah
Indonesia barat menurut BPK RI tahun
2014
3. Pemerintah kabupaten/kota yang
datanya tidak lengkap
4. Pemerintah kabupaten/ kota tahun 2014 yang dikeluarkan karena outlier
Total sampel dalam setahun
470
(259)
(126)
(26)
59
4.2. Hasil dan Analisis data
Untuk menganalisis data yang telah dikumpulkan terdapat tiga
pengujian yang meliputi analisis statistik deskriptif, pengujian asumsi
klasik dan pengujian hipotesis. Analisis statistik deskriptif
menggambarkan variabel dependen audit delay dan variabel independen yang diduga mempengaruhinya. Selanjutnya terdapat hasil pengujian
3
uji autokorelasi, uji multikolinearitas, dan uji heterokedastisitas. Pengujian
hipotesis menggunakan analisis regresi linear berganda.
4.2.2. Statistik Deskriptif
Statistik deksriptif digunakan untuk melihat distribusi data dari
data daerah kabupaten/ kota sampel yang digunakan dalam penelitian.
Berikut ini statistik deskriptif dari masing- masing variabel penelitian:
Tabel 4.2 Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
LNDELAY 59 3.43 4.11 3.9402 .14247 LNASET 59 25.25 31.97 28.1516 .96420 STATUS 59 .00 1.00 .9153 .28089 SKPD 59 24.00 196.00 54.3559 26.72708 TIPE 59 .00 1.00 .1695 .37841 Valid N (listwise) 59
Keterangan : LNDELAY: Audit Delay; LNASET: total aset; STATUS: status pemerintah daerah; SKPD: jumlah entitas akuntansi daerah; TIPE: tipe pemerintahan daerah.
Tabel di atas menggambarkan variabel Audit Delay (LNDELAY) yang memiliki nilai minimum sebesar 3,43 pada pemerintah kabupaten Bulukumba
dengan nilai maksimum sebesar 4,11 pada pemerintah kabupaten Bangli. Nilai
4
Hasil pengujian statistik deskriptif menunjukkan bahwa variabel total aset
(LNASET) memiliki nilai minimum sebesar 25,25 pada pemerintah kabupaten
Konawe Kepulauan, dan nilai maksimum sebesar 31,97 pada kota Tarakan. Nilai
rata- rata sebesar 28,1516 dan standar deviasi sebesar 0,96420.
Hasil pengujian statistik deskriptif menunjukkan bahwa variabel status
pemerintah daerah (STATUS) memiliki nilai minimum sebesar 0 dan nilai
maksimum sebesar 1. Nilai rata- rata sebesar 0,9153 dan standar deviasi sebesar
0,28089.
Hasil pengujian statistik deskriptif menunjukkan bahwa variabel jumlah
entitas akuntansi (SKPD) sebesar 24 pada pemerintah kabupaten Teluk Bintuni,
dan nilai maksimum sebesar 196 pada pemerintah kabupaten Bulukumba. Nilai
rata- rata sebesar 54,3559 dan standar deviasi sebesar 26,72708.
Hasil pengujian statistik deskriptif menunjukkan bahwa variabel status
pemerintah daerah (STATUS) memiliki nilai minimum sebesar 0 dan nilai
maksimum sebesar 1. Nilai rata- rata sebesar 0,1695 dan standar deviasi sebesar
0,37841.
4.2.2. Uji Asumsi Klasik 4.2.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi
variabel dependen dan independen terdistribusi normal atau tidak (Ghozali, 2013).
Suatu model regresi yang baik adalah data yang terdistribusi normal atau
mendekati normal. Seperti yang kita diketahui bahwa uji t dan F mengasumsikan
5
maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Peneliti
menggunakan uji Kologmorov- Smirnof (K-S).
Dasar pengambilan keputusan untuk uji Kologmorov- Smirnof (K-S) adalah:
a. Apabila nilai Asymp.Sig. (2- tailed) < 0.05 maka H0 ditolak. Artinya data residual terdistribusi secara tidak normal.
b. Apabila nilai Asymp.Sig. (2- tailed) > 0.05 maka H0 diterima. Artinya data residual terdistribusi secara normal.
Hasil Pengujian Normalitas Data K-S Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 59
Normal Parametersa,b Mean .0000000
Std. Deviation .08109112
Most Extreme Differences Absolute .113
Positive .063
Negative -.113
Test Statistic .113
Asymp. Sig. (2-tailed) .057c
a. Test distribution is Normal. b. Calculated from data.
6
Nilai K-S sebesar 0,113 dan tidak signifikan pada 0,057 (karena p value=
0,057 lebih dari 0,05. Hasil tersebut dapat diartikan bahwa tidak terdapat
penolakan H0. Jadi, residual terdistribusi secara normal.
4.2.2.2. Uji Autokorelasi
Uji autorkorelasi bertujuan menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 (Ghozali, 2011). Autokorelasi muncul karena
observasi berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul
karena residual tidak bebas dari satu observasi ke observasi lainnya. Model regresi
yang baik adalah model yang bebas dari autokorelasi. Pendeteksian gejalan ini
menggunakan Run Test. Run Test digunakan untuk melihat apakah apakah data residual terjadi secara random atau tidak. Jika Asym. Sig. (2-tailed) < 0,05 maka data residual tidak random atau terjadi autokorelasi antar nilai residual. Namun,
jika Asym. Sig. (2-tailed) > 0,05 maka data residual bebas dari autokorelasi.
Table 4.4
Uji Runs
7
Dari hasil pengujian gejala autokorelasi di atas, maka dapat ditarik
kesimpulan bahwa model penelitian yang digunakan tidak mengandung gejala
autokorelasi. Hal ini dapat dilihat dari nilai Asymp. Sig. (2-tailed) sebesar 0,088 > 0,05.
4.2.2.3. Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan
yang lain (Ghozali, 2011). Jika varian dari residual satu pengamatan ke
pengamatan yang lain tetap, maka disebut homoskedastisitas dan sebaliknya
disebut heteroskedastisitas. Kebanyakan data yang mengandung
heteroskedastisitas adalah data crossection, karena data ini menghimpun data yang mewakili berbagai ukuran. Dalam penelitian ini metode yang digunakan
untuk menguji heteroskedastisitas adalah uji glejser. Metode uji glejser
meregresikan nilai absolute residual dengan variabel bebas (Ghozali, 2011). Model regresi yang baik adalah model regresi yang tidak terjadi
heteroskedastisitas.
a. Apabila nilai signifikansi > 0,05 maka terjadi homoskedastisitas
8 Tabel 4.5
Hasil Pengujian Heterokedastisitas dengan Metode Glejser
Hasil output menunjukkan bahwa tidak ada satupun variabel yang
signifikansinya dibawah 0,05. Oleh karena itu, dinyatakan bahwa masing- masing
variabel tidak mengalami masalah heterokedastisitas.
4.2.2.4. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah di dalam model
regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2011). Model
regresi yang baik adalah model regresi yang tidak terjadi korelasi diantara variabel
independen. Dalam penelitian ini untuk mendeteksi ada atau tidaknya
multikolineartitas dalam suatu model regresi dapat dilihat dari nilai tolerance dan lawannya yaitu Variance Inflation Faktor (VIF). Tolerance mengukur variabilitas variabel independen yang terpilih dan tidak dijelaskan oleh variabel independen
lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi, karena VIF sama dengan 1/ tolerance. Syarat pengambilan keputusan dengan nilai
9
a. Jika nilai tolerance > 0,10 atau nilai VIF < 10 artinya tidak terjadi multikolineartias
b. Jika nilai tolerance < 0,10 atau nilai VIF > 10 artinya terjadi multikolinearitas.
Tabel 4.5
Hasil Pengujian Multikolinearitas
Dari tabel diatas dapat disimpulkan bahwa nilai tolerance untuk masing-
masing variabel (LNDELAY, LNASET, STATUS, SKPD, DAN TIPE) Aadalah
0,822; 0,867; 0,991; 0,923. Nilai VIF untuk tiap variabel tersebut adalah tersebut
adalah 1,217; 1,154; 1,009; 1,084. Berdasarkan hasil di atas, perhitungan nilai
tolerance lebih dari 0,10 dan nilai VIF tidak melebihi 10. Hasil tersebut dapat
disimpulkan bahwa tidak terdapat multikolineritas pada seluruh variabel dalam
10 4.2.3. Uji Hipotesis
Pengujian hipotesis dilakukan melalui model regresi berganda. Analisis
regresi berganda dilakukan untuk mengetahui pengaruh variabel independen
terhadap variabel dependen. Ketepatan fungsi regresi sampel dalam menaksir nilai
aktual dapat diukir dari goodness of fit-nya. Secara statistik goodness of fit-nya
dapat dukur dari nilai koefisien determinasi (R2), nilai signifikansi F, dan nilai
signifikansi t. perhitungan statistik dikatakan signifikan apabila nilai uji
statistiknya berada di daerah kritis (daerah dimana H0 ditolak)
4.2.3.1. Pengujian Koefisien Determinasi
Pada model regresi berganda, koefisien determinasi (R2) digunakan untuk
mengukur tingkat kemampuan model dalam menerangkan variasi pada variabel
dependen (Ghazali, 2011). Nilai R2 yang mendekati nol diartikan variabel
independen dalam menjelaskan variabel dependen terbatas, sebaliknya jika nilai
R2 mendekati satu berarti variabel independen memberikan hampir semua
informasi yang diperlukan untuk memprediksi variabel dependen (Ghazali, 2011).
Tabel 4.6
11
Berdasarkan table di atas diketahui bahwa nilai Adjusted R2 adalah 0,652
mengindikasikan bahwa variabel audit delay (DELAY) mampu dijelaskan oleh variabel independen berupa ukuran pemerintah daerah (LNASET), jumlah entitas
akuntansi (SKPD), tipe pemerintah daerah (TIPE), dan status pemerintah daerah
(STATUS) sebesar 65,2% dan sisanya sebesar 34,8% dijelaskan oleh variabel lain
di luar model penelitian ini.
4.2.3.2. Pengujian Koefisien Regresi Simultan (Uji nilai F)
Uji statistik F bertujuan untuk menunjukkan apakah semua variabel
independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-
sama terhadap variabel dependen (Ghazali, 2011). Pengujian dilakukan dengan
menggunakan signifikansi 5%. Pengambilan keputusan apakah hasil uji F diterima
atau ditolak adalah dengan melihat nilai signifikansi. Apabila nilai signifikansi
dari prob F lebih statistik < 5 %, maka dapat ditarik kesimpulan bahwa keempat
variabel independen yang digunakan dalam penelitian ini bersama- sama
12 Tabel 4.7
Hasil Uji Signifikansi F
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression .796 4 .199 28.172 .000b
Residual .381 54 .007
Total 1.177 58
a. Dependent Variable: LNDELAY
b. Predictors: (Constant), SKPD, LNASET, TIPE, STATUS
Tabel di atas menunjukkan bahwa probability value dari model regresi yang digunakan dalam penelitian ini lebih kecil dari tingkat signifikansi penelitian
sebesar 5% yaitu 0,000. Hasil ini mengindikasikan bahwa model regresi yang
digunakan dalam penelitian ini layak (fit) untuk digunakan sebagai model regresi
pengujian hipotesis.
4.2.3.3. Pengujian Koefisien Regresi Parsial (uji t)
Uji parsial digunakan untuk mengetahui pengaruh masing- masing
variabel independen terhadap variabel dependen (Ghazali, 2013). Kriteria sebagai
berikut.
1. H0 diterima jika nilai probabilitas (sig t) > 0,05 dan p value > 0,05 2. H0 ditolak jika nilai probabilitas (sig t) <0,05 dan p value < 0,05
13 Tabel 4.8 Hasil Uji t
Hasil pengujian data yang tersaji di atas mengindikasikan bahwa variabel
independen status pemerintahan daerah berpengaruh signifikan positif terhadap
audit delay dan entitas akuntansi berpengaruh signifikan negatif terhadap audit delay. Sedangkan ukuran pemerintah daerah dan tipe pemerintah daerah tidak berpengaruh signifikan terhadap audit delay. Hal ini terbukti dengan nilai probabilitas untuk variabel STATUS dan SKPD mempunyai nilai signifikansi
sama yaitu 0,000 lebih kecil dari nilai tingkat signifikansi 5%. Hasil di atas
menunjukkan bahwa Hipotesis 1 dan Hipotesis 2 ditolak karena tidak
menunjukkan hasil yang signifikan. Hipotesis 3 ditolak walaupun hasilnya
signifikan di bawah 5%, tetapi memiliki Beta yang berbeda dari hipotesis.
Hipotesis 4 juga ditolak karena menunjukkan pengaruh yang bertolakbelakang
dari yang dihipotesiskan.
4.3. Pembahasan
Hipotesis 1 dalam penelitian ini menguji pengaruh ukuran pemerintah
14
tersebut ditolak karena memiliki nilai signifikansi di atas 5%. Penelitian ini juga
sejalan dengan penelitian Suranta dan Itsniawan (2015) yang menemukan bahwa
ukuran pemerintah daerah tidak berpengaruh terhadap audit delay. Hasil ini berbeda dengan penelitian sebelumnya, seperti milik aziz (2014) dan Lestari
(2015) yang menemukan bahwa ukuran berpengaruh negatif terhadap audit delay.
perbedaan ini disebabkan karena penelitian sebelumnya dilakukan di sektor
swasta.
Hipotesis 2 menguji pengaruh tipe pemerintah daerah terhadap audit delay. Hasil statistik menunjukkan bahwa hipotesis ini ditolak dengan kata lain tipe daerah tidak berpengaruh terhadap audit delay. Hasil ini sejalan dengan penelitian (Johson,1998) yang menemukan bukti bahwa tipe daerah tidak
berpengaruh terhadap audit delay. Menurut peneliti sendiri baik itu kabupaten atau kota cenderung bagaimana kesiapan daerah tersebut dalam mengelola
keuangannya masing- masing.
Hipotesis 3 menguji pengaruh status pemerintah daerah terhadap audit delay. Hasil statistik menunjukkan bahwa hipotesis 3 ditolak walaupun memiliki signifikansi di bawah 5%, tetapi memiliki Beta yang berbeda dengan hipotesis.
Hal ini juga sejalan dengan penelitian Lianto dan Kusuma (2010) menemukan
hasil bahwa perusahaan yang telah lama berdiri biasanya mempunyai skala
operasi yang lebih dan bertambah rumitnya transaksi sehingga memperpanjang
proses audit. Begitu juga dengan hasil penelitian ini dapat dikarenakan bahwa
15
dibanding dengan daerah otonom baru, sehingga butuh waktu audit yang lebih
panjang.
Hipotesis 4 menguji pengaruh jumlah entitas akuntansi terhadap audit delay. Hasil statistik menunjukkan bahwa hipotesis ini ditolak karena memiliki nila Beta negatif, walaupun hasilnya signifikan. Perbedaan hasil ini mungkin
dikarenakan sampel yang berbeda ataupun variabel variasi variabel yang
digunakan.
16 BAB 5 PENUTUP 5.1. Kesimpulan
Berdasarkan hasil analisis dan pembahasan, maka dapat disimpulkan
bahwa variabel status pemerintah daerah berpengaruh positif terhadap audit delay
dan entitas akuntansi pemerintah daerah berpengaruh negatif terhadap audit delay.
Sementara untuk variabel ukuran pemerintah daerah dan tipe pemerintah daerah
tidak mempengaruhi audit delay. Dengan demikian dapat disimpulkan bahwa perbedaan karakteristik pemerintah daerah di Indonesia menghasilkan penelitian
yang berbeda dari penelitian yang dilakukan di Negara lain. Selain itu perbedaan
wilayah dalam pengambilan sampel juga menghasilkan temuan yang berbeda
pula.
5.2. Keterbatasan
Penelitian ini dilakukan dengan berbagai keterbatasan yang dapat
mempengaruhi hasil penelitian. Adapun keterbatasan penelitian ini antara lain
sebagai berikut.
1. Penelitian ini sangat bergantung pada data yang terdapat di LKPD
pemerintah dan terdapat data yang tidak tercantum dalam beberapa LKPD
itu sendiri sehingga membatasi data penelitian.
2. Penelitian ini hanya berfokus pada wilayah Indonesia timur menurut BPK
17
3. Penelitian ini hanya berfokus pada karakteristik pemerintah saja.
5.3. Saran
Dari beberapa keterbatasan yang dikemukakan di atas, maka saran yang
dapat diajukan untuk penelitian selanjutnya adalah sebagai berikut.
1. Menambahkan atribut tidak hanya dari segi karakteristik pemerintah
daerah, tetapi juga dari segi karakteristik kepala daerah, karakteristik
keuangan, dan juga karakteristik auditor.
2. Untuk ke depannya, dilakukan penelitian dengan dua sampel yang
berbeda. Dengan tujuan melihat perbedaan hasil dari wilayah Indonesia
