BAB III METODE PENELITIAN
3.5. Teknik Pengolahan dan Analisis Data
3.5. Teknik Pengolahan dan Analisis Data
penelitian ini variabel dependen (Y)= 1 jika melakukan audit switching, sedangkan 0= jika tidak melakukan audit switching.
Regresi logistik menghasilkan rasio peluang (odds ratio) yang dinyatakan dengan transformasi fungsi logaritma (log), dengan demikian fungsi log ataupun ln diperlukan untuk p-value. Logit Pergantian KAP (AS), merupakan log dari peluang (odds ratio) dengan kemungkinan terbesar nilai peluang adalah 1, dengan demikian persamaan regresi logistiknya adalah:
Logit AS = ln 456723 = ln (odds)
Dalam penelitian ini regresi logistik yang digunakan adalah sebagai berikut:
ln 456723 = α + β1 CHM + β2 FD + β3 SIZE + e Keterangan:
ln 456723 = Simbol yang menunjukan probabilitas pergantian KAP
α = Konstanta
β1- β3 = Koefisien Regresi CHM = Pergantian manajemen FD = Financial distress SIZE = Ukuran perusahaan
e = error
3.5.3 Uji Multikolinearitas
Uji multikolinearitas bertujuan menguji apakah dalam regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik
variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol.
Uji Multikolinearitas merupakan satu-satunya uji asumsi klasik yang digunakan dalam penelitian ini, uji asumsi klasik lainnya tidak dilakukan karena ini merupakan penelitian dengan model regresi logistik sedangkan uji asumsi klasik lainnya digunakan untuk model regresi linear (berganda) atau untuk penelitian yang datanya berdasarkan ordinary least square.
Uiji multikolinearitas digunakan dalam penelitian ini dengan tujuan untuk menguji apakah model regresi yang digunakan terdapat korelasi antar variabel bebasnya (independen) (Ghozali, 2016). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Uji multikolinearitas nilai korelasi antar variabel harus <0,85 agar model yang digunakan tidak terdapat unsur multikolinearitas.
3.5.4 Overall Test
Langkah pertama adalah menilai overall model fit terhadap data. Untuk menilai overall model fit dilihat dari -2 log likehood pada awal (block number = 0) dan nilai -2 log likehood pada akhir (block number = 1) dari model. -2 Log Likehood adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Penurunan-2 Log Likehood menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan telah fit dengan data Ghozali (2016).
3.5.5 Menguji Kelayakan Model Regresi
Uji kelayakan model regresi melalui goodness of fit test. Uji goodness of fit test memastikan bahwa tidak ada kelemahan kesimpulan dari model yang diperoleh. Hosmer and Lemeshow’s goodness of fit test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Jika nilai Hosmer and Lemeshow’s goodness of fit test statistik sama dengan atau kurang dari 0.05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga goodness of fit test tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistic Hosmer and Lemeshow’s goodness of fit test lebih besar dari 0.05, maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya Ghozali (2016:329).
Ho: model mampu untuk menjelaskan data Ha: model tidak mampu dalam menjelaskan data
3.5.6 Nagelkerke R Square
Menurut Ghozali (2013) Nagelkerke’s R Square merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu). Nilai Nagelkerke’s R Square dapat diinterpretasikan seperti nilai R² pada multiple linear regression.
“Nagelkerke R Square memiliki nilai yang besarnya bervariasi antara 0
goodness of fit sementara semakin mendekati 0 maka model semakin tidak goodness of fit” Ghozali (2016).
3.5.7 Partial Test
Pengujian hipotesis penelitian ini bertujuan untuk melihat ukuran KAP, profitabilitas, ukuran perusahaan, opini audit, terhadap audit switching secara parsial. Pengujian hipotesis pada penelitian ini menggunakan tingkat signifikansi alpha (α) 5%. Pengujian ini pada dasarnya akan menunjukkan seberapa jauh pengaruh suatu variabel independen secara individual dalam menerangkan variasis variabel dependen secara parsial (Ghozali, 2016). Uji parsial (t test) dilakukan untuk menguji signifikansi pengaruh variabel-variabel independen secara individual terhadap variabel dependen (Gujarati, 2007).
- Jika probability ≤ 0.05 maka berpengaruh signifikan.
- Jika probability ≥ 0.05 maka tidak berpengaruh signifikan.
- Coefficient “-“ = memiliki pengaruh negative.
- Coefficient “+“ = memiliki pengaruh positif
BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
Penelitian ini menggunakan sampel pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) pada periode 2013-2017 yang dipilih menggunakan metode purposive sampling berdasarkan dari kriteria yang telah ditetapkan pada bab III penelitian ini, maka dapat diperoleh jumlah sampel sebanyak 26 perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) pada periode 2013-2017 dengan data observasi sebanyak 130 perusahaan. Ringkasan prosedur dalam pemilihan sampel dapat dilihat pada tabel 4.1:
Tabel 4.1.
Prosedur Pemilihan Sampel
Keterangan Jumlah
Total perusahaan manufaktur di Bursa Efek Indonesia (BEI)
154 Perusahaan manufaktur yang tidak mencantumkan
informasi nama KAP, nama CEO, total asset, total kewajiban, maupun total ekuitas
(42)
Perusahaan manufaktur yang mempublikasikan laporan keuangan (bukan rupiah) periode 2013-2017
(5) Perusahaan manufaktur yang tidak melakukan pergantian
KAP, maupun melakukan pergantian KAP karena kewajiban (mandatory)
(107)
Total perusahaan 26
Periode (2013-2017) 5
Total observasi penelitian 130
Nama-nama perusahaan manufaktur yang menjadi sampel penelitian sebagai berikut:
Tabel 4.2. Daftar Sampel
No Kode
Perusahaan Nama Perusahaan
1 KIAS Keramika Indonesia AssosiasiTbk 2 BAJA SaranacentralBajatamaTbk
3 GDST GunawanDianjaya Steel Tbk 4 PICO Pelangi Indah CanindoTbk 5 AGII Aneka Gas IndustriTbk 6 EKAD Ekadharma International Tbk 7 INCI IntanWijaya International Tbk
8 BRNA BerlinaTbk
9 IGAR Champion Pasific Indonesia Tbk
10 SIMA SiwaniMakmur
11 YPAS Yana Prima Hasta PersadaTbk 12 TIRT Tirta Mahakam Resources Tbk 13 KBRI KertasBasukiRachmat Indonesia Tbk 14 HDTX Panasia Indo Resources Tbk
15 STAR Star Petrochem Tbk 16 TRIS Trisula International Tbk 17 UNIT Nusantara Inti Corpora Tbk
18 BIMA Primarindo Asia Infrastructure Tbk 19 KBLM KabelindoMurniTbk
20 SCCO Supreme Cable Manufacturing and Commerce Tbk 21 ALTO Tri Banyan TirtaTbk, PT
22 MLBI Multi Bintang Indonesia Tbk, PT 23 SKBM SekarBumiTbk, PT
24 SIDO IndustriJamu&FarmasiSidoMunculTbk
25 UNVR Unilever Indonesia Tbk
26 LMPI LanggengMakmur Industry Tbk, PT
4.2 Hasil Penelitian 4.2.1 Statistik Deskriptif
Uji statistik deskriptif bertujuan untuk memberikan sebuah gambaran atau deskripsi dari suatu data dilihat dari jumlah sampel, nilai minimum, nilai maksimum, nilai rata-rata (mean), dan standar deviasi dari masing-masing variabel. Berdasarkan hasil pengolahan data denga software SPSS 24 didapatkan hasil statistik deskriptif seperti pada tabel 4.3. Berikut adalah hasil uji statistik deskriptif data penelitian:
Tabel 4.3. Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Median Std. Deviation
Pergantian KAP 130 0 1 .45 .00 .499
CHM 130 0 1 .31 .00 .463
FD 130 -2.05541 11.25436 1.4466618 .9889050 1.96256707
SIZE 130 24.4142 30.5705 27.528035 27.431460 1.1816135
Valid N (listwise) 130
Sumber: output SPSS, diolah 2018
Statistik deskriptif menunjukan nilai minimum, nilai maksimum, mean dan standar deviasi pada setiap variabel. Pada tabel 4.3 terdapat variabel dependen yaitu auditor switching dan variabel independen yaitu pergantian manajemen, financial distress, dan ukuran perusahaan. Berdasarkan tabel dari 4.3 dengan
sampel sebanyak 130 observasi dari 26 perusahaan yang termasuk dalam perusahaan manufaktur.
a. Auditor switching
Variabel auditor switching atau pergantian KAP merupakan variabel dependen dalam penelitian ini yang merupakan pergantian KAP yang dilakukan oleh perusaahaan secara voluntary. Dari data diatas pada auditor switching memiliki nilai minimum sebesar 0, dan nilai maksimum sebesar 1, nilai (rata-rata) mean 0,45 dan nilai standar deviasi sebesar 0,499. Nilai mean lebih kecil dibandingkan nilai standar deviasi, dari hasil ini dapat diambil kesimpulan bahwa nilai yang paling sering muncul adalah 0 daripada 1, dimana nilai 0 merupakan kode untuk melihat perusahaan yang tidak melakukan pergantian KAP. Jadi perusahaan manufaktur yang tidak melakukan pergantian KAP ada sebanyak 72 perusahaan sedangkan perusahaan manufaktur yang melakukan pergantian KAP sebanyak 58 perusahaan.
b. Pergantian manajemen
Variabel pergantian manajemen merupakan pergantian direktur utama atau CEO yang diputuskan pada rapat umum pemegang saham atau pihak manajemen sendiri yang berhenti karena kemauannya sendiri. Pergantian manajemen diukur dengan dummy, dimana nilai 1 jika ada pergantian direktur utama atau CEO, dan nilai 0 jika tidak ada pergantian direktur utama atau CEO. Dapat dilihat pada tabel 4.3 diatas pergantian manajemen memiliki nilai minimum sebesar 0, dan nilai maksimum sebesar 1. Nilai mean dari pergantian manajemen lebih kecil yaitu senilai 0,31 dibandingkan nilai standar deviasi sebesar 0,463. Kesimpulan dari
nilai tersebut bahwa yang sering muncul adalah 0, yaitu perusahaan yang tidak mengganti manajemennya. Sampel perusahaan manufakur yang mengganti direktur utamanya selama periode 2013-2017 ada 40 sampel perusahaan, sedangkan yang tidak mengganti direktur utamanya 90 sampel perusahaan.
c. Financial distress
Financial distress merupakan tahap penurunan kondisi keuangan yang terjadi sebelum terjadinya kebangkrutan ataupun likuidasi yang diproksikan dengan rasio DER. Dapat dilihat dari data diatas Tabel 4.3. nilai terendah dari financial distress yaitu -2.05541 yang diperoleh dari perhitungan PT Primarindo Asia Infrastructure Tbk tahun 2017, sedangkan nilai tertinggi diperoleh dari perhitungan PT Tirta Mahakam Resources Tbk tahun 2013 sebesar 11.25436.
Nilai mean dari financial distress sebesar 1.4466618 lebih kecil dari standar deviasinya sebesar 1.96256707. Hasil ini menunjukkan bahwa rata-rata perusahaan sampel memiliki hutang sebesar 1.4466618 kali ekuitasnya.
d. Ukuran perusahaan
Variabel ukuran perusahaan yang diproksikan dengan SIZE merupakan besar kecilnya suatu perusahaan klien yang dapat dilihat dari total asset, nilai penjualan, dan lain-lain. Variabel ini diukur menggunakan logaritma natural dari total asset perusahaan. Dilihat dari data diatas Tabel 4.3 nilai terendah yaitu 24.4142 yang diperoleh dari perhitungan PT Siwani Makmur Tbk tahun 2015, sedangkan nilai tertinggi diperoleh dari perhitungan PT Unilever Tbk tahun 2017 sebesar 30.5705. Nilai maksimum menunjukkan bahwa perusahaan tersebut memiliki deteksi ukuran perusahaan terbesar dibandingkan dengan perusahaan
lainnya selama periode penelitian, sebaliknya nilai minimum menunjukkan bahwa perusahaan tersebut memiliki deteksi ukuran perusahaan terkecil dibandingkan dengan perusahaan lainnya selama periode penelitian. Nilai mean yang didapat dari ukuran perusahaan yaitu sebesar 27.528035 lebih besar dari nilai standar deviasinya yaitu 1.1816. kesimpulan dari data diatas bahwa penyebaran data variabel ukuran perusahaan tergolong baik karena nilai standar deviasinya lebih kecil dari pada dengan nilai mean, yang memberikan pernyataan bahwa data dalam variabel ini sudah terdistribusi dengan baik.
4.2.2 Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah terdapat korelasi linier antara variabel independen. Uji multikolinearitas bertujuan untuk menguji apaka dalam regresi ditemukan adanya korelasi antar variabel bebas (independen).
Berikut adalah hasil uji multikolinearitas dalam penelitian yaitu:
Tabel 4.4. Correlation Matrix
Constant CHM FD SIZE
Step 1 Constant 1.000 .052 .275 -.998
CHM .052 1.000 .071 -.079
FD .275 .071 1.000 -.303
SIZE -.998 -.079 -.303 1.000
Sumber: output SPSS, diolah 2018
Tabel 4.4 menunjukkan korelasi antar variabel, syarat untuk melakukan pengujian terhadap multikolinearitas adalah dengan melihat koefisien korelasi
antar variabel. Jika koefisien antar variabel kurang dari 0.85 menanadakan bahwa tidak ada hubungan antar variabel independen. Dilihat dari Tabel 4.4 yang menunjukan hasil analisis multikolinearitas, semua nilai yang didapatkan antar variabel kurang dari 0.85 berarti tidak ada hubungan antar variabel independen di penelitian ini. Hasil dari analisis diatas yaitu pergantian manajemen menunjukan nilai 0.071 terhadap financial distress, sedangkan hubungan dengan ukuran perusahaan senilai -0.079. Untuk variabel financial distress hubungan dengan ukuran perusahaan yaitu senilai -0.303. Dapat disimpulkan bahwa dari data diatas tidak ada hubungan variabel antara satu sama lain. Dengan ini dapat dinyatakan bahwa di dalam penelitian ini tidak ada unsur multikolinearitas.
4.2.3 Overall Test
Dalam uji regresi logistik, variabel dependen dalam penelitian ini berupa kategori. Kategori 1 jika perusahaan melakukan pergantian KAP, sebaliknya 0 jika perusahaan tidak melakukan pergantian KAP. Langkah pertama dalam uji regresi logistik adalah menilai overall fit model terhadap data.
Uji ini digunakan untuk menilai bahwa yang dihipotesiskan telah fit atau tidak dengan data. Pengujian dilakukan dengan membandingkan nilai antara –2 log likelihood pada awal (block number= 0) dengan nilai –2 log likelihood (block number= 1). Adanya pengurangan nilai antara -2LL awal dengan nilai -2LL akhir menunjukkan model yang dihipotesiskan fit dengan data (Ghozali, 2016).
Tabel 4.5 Hasil Overall Model Fit (block number= 0) Iteration Historya,b,c
Iteration
-2 Log likelihood
Coefficients Constant
Step 0 1 178.708 -.215
2 178.708 -.216
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 178.708
c. Estimation terminated at iteration number 2 because parameter estimates changed by less than .001.
Tabel 4.6 Hasil Overall Model Fit (block number= 1) Iteration Historya,b,c,d
Iteration -2 Log likelihood
Coefficients
Constant CHM FD SIZE
Step 1 1 167.694 10.517 .730 .047 -.401
2 167.596 11.782 .785 .055 -.448
3 167.596 11.814 .786 .055 -.449
4 167.596 11.814 .786 .055 -.449
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 178.708
d. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Sumber: output SPSS, diolah 2018
Tabel 4.5. dan tabel 4.6. menunjukkan perbandingan nilai antara 2 log likelihood pada awal (block number= 0) dengan nilai –2 log likelihood (block number= 1). Dilihat pada tabel 4.5. hasil perhitungan nilai 2 log likelihood pada awal (block number= 0) adalah 178,708 dan nilai –2 log likelihood (block number= 1) adalah 167,694, maka hal ini menunjukkan –2 log likelihood
mengalami penurunan sebesar 11,014. Dengan adanya penurunan nilai tersebut maka dapat disimpulkan bahwa keseluruhan model regresi logistik yang digunakan adalah model yang baik atau model yang dihipotesiskan telah fit dengan data.
4.2.4 Goodness of Fit
Goodness if fit merupakan pengujian yang dilakukan dengan tujuan untuk menguji hipotesis nol bahwa data empiris sesuai dengan model. Jika nilai sig >
0.05 maka model regresi logistik tepat, jika nilai sig < 0.05 maka model regresi logistik tidak tepat.
Ho : model mampu menjelaskan data Ha : model tidak mampu menjelaskan data
Tabel 4.7. Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 7.742 8 .459
Sumber: output SPSS, diolah 2018
Pada tabel 4.7 menunjukan hasil bahwa besarnya nilai statistik Hosmer and Lemeshow Goodness of Fit adalah sebesar 6.188dengan tingkat probabilitas signifikansi sebesar 0.459 yang lebih besar dari 0.05 sehingga Ho diterima karena model regresi mampu menjelaskan data. Berdasarkan penjelasan ini, dapat disimpulkan bahwa model mampu menjelaskan pengaruh pergantian manajemen,
financial distress, dan ukuran perusahaan terhadap probabilitas audit switching atau pergantian KAP.
4.2.5 Nagelkerke R-Square
Pengujian koefisien determinasi mempunyai tujuan untuk mengetahui seberapa besar keseluruhan variabel independen mampu menjelaskan variabel dependennya yang terdapat dalam model regresi logistik. Koefisien determinasi dilihat dari hasil Nagelkerke R-Square-nya yang memiliki nilai yang besarnya bervariasi antara 0 sampai 1. Semakin mendekati nilai 1 maka model dianggap semakin goodness of fit, sebaliknya jika nilai mendekati 0 maka model dianggap tidak goodness if fit (Ghozali, 2016).
Tabel 4.8 Hasil Nagelkerke R-Square Model Summary
Step -2 Log likelihood
Cox & Snell R
Square Nagelkerke R Square
1 167.596a .082 .110
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Sumber: output SPSS, diolah 2018
Berdasarkan dari tabel 4.8. dapat dilihat bahwa nilai Nagelkerek R-Square sebesar 0.11 ini membuktikan bahwa variabel independen dalam penelitian ini, yaitu pergantian manajemen, financial distress, dan ukuran perusahaan dapat menjelaskan variabel dependen sebesar 11% sedangkan 89% dijelaskan oleh variabel lainnya diluar dari model penelitian ini, misalnya fee audit, kualitas audit,
dan opini audit. Agar dalam sebuah model menjadi goodness of fit maka variabel lain yang akan digunakan untuk memprediksi variabel pergantian KAP, nilai Nagelkerke R-Square-nya harus mendekati 1.
4.2.6 Classification Plot
Classification plot digunakan untuk melakukan pengujian yang menilai kecocokan model regresi logistik terhadap data dengan melihat besarnya ketepatan klasifikasi data observasi terhadap prediksinya. Nilai overall percentage yang mendekati 100% menunjukan model yang digunakan telah fit terhadap data (Ghozalo, 2016).
Tabel klasifikasi untuk menghitung nilai estimasi yang benar dan salah pada kolom merupakan nilai prediksi dari variabel independen dan 1 untuk hasil yang sukses, sedangkan 0 untuk hasil yang tidak sukses. Sedangkan pada baris menunjukan nilai observasi sesungguhnya dari variabel dependen 1 untuk nilai sukses sedangkan 0 untuk nilai tidak sukses. Pada model yang sempurna maka semua kasus akan berada pada tingkat diagonal dengan tingkat ketepatan peramalan100% (Ghozali, 2016).
Tabel 4.9 Hasil Classification Plot Classification Tablea
Observed
Predicted Pergantian KAP
Percentage Correct
0 1
Step 1 Pergantian KAP
0 55 17 76.4
1 35 23 39.7
Overall Percentage 60.0
a. The cut value is .500
Sumber: output SPSS, diolah 2018
Tabel 4.9 menunjukan perhitungan nilai estimasi yang benar (correct) dan salah (incorrect). Kemungkinan prediksi perusahaan yang tidak melakukan audit switching sebanyak 72 sampel perusahaan. Dari hasil observasi menyatakan bahwa terdapat 17 sampel perusahaan yang termasuk dalam kategori perusahaan yang kemungkinan melakukan pergantian KAP sehingga ketepatan klasifikasinya adalah sebesar 76.4%. Sedangkan prediksi perusahaan yang kemungkinan melakukan pergantian KAP adalah sebanyak 58 sampel perusahaan, namun dari hasil observasi pada Tabel 4.9. menunjukan bahwa ada 35 sampel perusahaan yang masuk dalam kategori perusahaan yang kemungkinan tidak melakukan pergantian KAP, jadi ketepatan klasifikasinya adalah sebesar 39.7%. Secara keseluruhan ketepatan klasifikasinya adalah sebesar 60%. Karena nilai keakuratannya diatas 50%, maka dapat disimpulkan bahwa variabel pergantian manajemen. Financial distress, dan ukuran perusahaan kemungkinan mampu memprediksi perusahaan yang melakukan pergantian KAP.
4.2.7 Model Regresi Logistik
Model regresi logistik dapat dibentuk dengan menggunakan besaran nilai parameter-parameter regresi logistik dan diinterpretasikan dengan rasio kecenderungan (odds ratio) (Ghozali, 2016).
Tabel 4.10 Hasil Regresi Logistik Variables in the Equation
B S.E. Wald Df Sig. Exp(B)
Step 1a CHM .786 .399 3.884 1 .049 2.196
FD .055 .098 .310 1 .577 1.056
SIZE -.449 .176 6.491 1 .011 .638
Constant 11.814 4.800 6.059 1 .014 135177.970 a. Variable(s) entered on step 1: CHM, FD, SIZE.
Sumber: output SPSS, diolah 2018
Berdasarkan dari hasil Tabel 4.1.0. terlihat nilai taksiran koefisien modelnya, sehingga didapatkan model regresi logistik sebagai berikut:
ln𝟏5𝐀𝐒𝐀𝐒 = 11.814 + 0.786 CHM + 0.055 FD - 0.449 SIZE + e
Keterangan:
AS : Pergantian KAP CHM : Pergantian manajemen FD : Financial distress SIZE : Ukuran perusahaan e : Error
Pada penelitian ini odds ratio digunakan untuk mengukur kecenderungan variabel-variabel independen terhadap pergantian KAP pada perusahaan. Hasil analisis odds ratio pada Tabel 4.10. diinterpretasikan sebagai berikut:
a. Pergantian Manajemen (CHM)
Koefisien regresi variabel pergantian manajemen sebesar 0.786.
exp(0.786) = e0.786= 2.196 yang menunjukkan bahwa jika koefisien pergantian manajemen menurun satu satuan, maka kecenderungan perusahaan untuk melakukan pergantian KAP akan meningkat sebesar 2.196 kali dengan asumsi kondisi variabel lainnya konstan.
b. Financial Distress (FD)
Koefisien regresi variabel financial distress sebesar 0.055. exp(0.055) = e0.055= 1.056 yang menunjukkan bahwa jika koefisisen financial distress menurun satu satuan, maka kecenderungan perusahaan untuk melakukan pergantian KAP akan meningkat sebesar 1.056 kali dengan asumsi kondisi variabel lainnya konstan.
c. Ukuran Perusahaan (SIZE)
Koefisien regresi variabel ukuran perusahaan sebesar -0.449. exp(-0.449)
= e-0.449 = 0.638 yang menunukkan bahwa jika koefisien ukuran perusahaan menurun satu satuan, maka kecenderungan perusahaan untuk melakukan pergantian KAP akan meningkat sebesar 0.638 kali dengan asumsi kondisi variabel lainnya konstan.
4.2.8 Partial Test
Uji parsial (uji t) bertujuan untuk menunjukkan seberapa jauh pengaruh suatu variabel independen secara individual dalam menerangkan variasi variabel dependen secara parsial (Ghozali, 2016). Uji t dilakukan untuk mengetahui apakah koefisien regresi dari variabel independen secara individual berpengaruh secara signifikan terhadap variabel dependen. Berikut adalah pernyataan dari persamaan uji t:
Tabel 4.11 Hasil Partial Test Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a CHM .786 .399 3.884 1 .049 2.196
FD .055 .098 .310 1 .577 1.056
SIZE -.449 .176 6.491 1 .011 .638
Constant 11.814 4.800 6.059 1 .014 135177.970 a. Variable(s) entered on step 1: CHM, FD, SIZE.
Sumber: output SPSS, diolah 2018
Hipotesis 1 (H1) dalam penelitian ini yaitu: pergantian manajemen berpengaruh positif terhadap pergantian KAP. Berdasarkan hasil regresi persamaan pada tabel 4.11, menunjukkan koefisien regresi positif sebesar 0.786 dengan tingkat signifikansi (p-value) sebesar 0.049 lebih kecil dari α = 0.05.
karena tingkat signifikansi lebih kecil dari α = 0.05. Maka dapat disimpulkan bahwa pergantian manajemen terbukti berpengaruh positif signifikan terhadap pergantian KAP, sehingga H1 dalam penelitian ini diterima.
Hipotesis 2 (H2) dalam penelitian ini yaitu: financial distress berpengaruh positif terhadap pergantian KAP. Berdasarkan hasil regresi persamaan pada tabel 4.11, menunjukkan koefisien regresi positif sebesar 0.055 dengan tingkat signifikansi (p-value) sebesar 0.577 lebih besar dari α = 0.05. karena tingkat signifkansi lebih besar dari α = 0.05. Maka dapat disimpulkan bahwa financial distress terbukti tidak berpengaruh positif signifikan terhadap pergantian KAP, sehingga H2 dalam penelitian ini tidak diterima.
Hipotesis 3 (H3) dalam penelitian ini yaitu: ukuran perusahaan negatif terhadap pergantian KAP. Berdasarkan hasil regresi persamaan pada tabel 4.11, menunjukkan koefisien regresi negatif sebesar 0.449, dengan tingkat signifikansi (p-value) sebesar 0.011. Karena tingkat signifikansi lebih kecil dari α = 0.05.
Maka dapat disimpulkan bahwa ukuran perusahaan terbukti berpengaruh negatif signifikan terhadap pergantian KAP, sehingga bisa dinyatakan bahwa H3 dalam penelitian ini diterima.
4.3 Pembahasan Hasil Penelitian
4.3.1 Pengaruh Pergantian Manajemen terhadap Pergantian KAP
Berdasarkan hasil uji hipotesis yang telah dilakukan, bahwa variabel pergantian manajemen memiliki nilai koefisien regresi positif 0.786 dengan tingkat signifikansi sebesar 0.049 yang lebih kecil dari α = 0.05. Hasil tersebut menunjukkan bahwa pergantian manajemen berpengaruh positif signifikan terhadap pergantian KAP. Hasil ini bertentangan dengan penelitian yang dilakukan Juliantari & Rasmini (2013), Nugroho et al.,(2015) yang
mengungkapkan bahwa pergantian manajemen tidak berpengaruh terhadap pergantian KAP.
Hasil penelitian ini konsisten dengan hasil penelitian yang dilakukan oleh Pratini & Astika (2013) yang mengungkapkan bahwa komposisi manajemen yang baru kemungkinan akan melakukan beberapa pertimbangan untuk melakukan pergantian KAP. Karena biasanya disuatu perusahaan yang terdapat pergantian manajemen, maka manajemen baru akan menetapkan kebijakan akuntansi yang baru sesuai dengan keinginan manajemen baru tersebut, sehingga biasanya manajamen baru akan mencari KAP yang dapat menyesuaikan kebijakan baru pada perusahaan.
4.3.2 Pengaruh Financial Distress terhadap Pergantian KAP
Berdasarkan hasil uji hipotesis yang telah dilakukan, bahwa variabel financial distress berdasarkan tabel 4.11 menunjukan bahawa variabel financial distress memiliki nilai koefisien regresi positif 0.055 dengan tingkat signifikansi sebesar 0.577 yang lebih besar dari α = 0.05. Hasil tersebut menunjukkan bahwa financial distress tidak berpengaruh positif signifikan terhadap pergantian KAP.
Hasil ini bertentangan dengan penelitian yang dilakukan Gunady & Mangoting (2013), Pratini & Astika (2013).
Hasil penelitian ini didukung oleh pernyataan Prastiwi & Wilsya (2009), Pratitis (2012) yang mendapatkan hasil bahwa financial distress tidak berpengaruh positif terhadap pergantian KAP. Hal ini disebabkan karena biaya start-up yang tinggi apabila perusahaan mengganti KAP-nya, sedangkan kondisi