BAB III METODOLOGI PENELITIAN
3.6. Metode Analisis Data
3.6.5. Pengujian Hipotesis
3.6.5.1. Uji t (Parsial)
Uji t digunakan untuk mengetahui apakah variabel independen (ukuran perusahaan, umur perusahaan, laba rugi, ukuran KAP, dan opini audit) secara individu berpengaruh secara signifikan terhadap variabel dependen (Audit Report lag) dengan asumsi nilai variabel yang lain adalah konstan. Pengujian ini dilakukan dengan membandingkan probabilitas (signifikansi) masing-masing koefisien regresi dengan signifikansi sebesar 5%. Widarjono (2009), kriteria pengujiannya sebagai berikut:
Ho : Jika probabilitas (signifikan) > 5% maka Ho tidak dapat ditolak dan Ha ditolak
Ha : Jika probabilitas (signifikan) ≤ 5% maka Ho ditolak dan Ha tidak dapat ditolak
3.6.5.2. Uji Koefisien Determinasi (R2)
Widarjono (2009), menjelaskan bahwa koefisien determinasi (R2) dapat mengukur kebaikan sesuai (goodness of fit) dari persamaan regresi yaitu seberapa besar proporsi variasi variabel dependen dijelaskan oleh semua variabel independen. Nilai R2 memiliki interval mulai dari 0 sampai 1 (0 ≤ R2 ≤ 1).
Semakin besar nilai R2 (mendekati 1), semakin baik model regresi tersebut yang berarti variabel independen secara keseluruhan dapat menjelaskan variasi dari variabel dependen. Semakin kecil nilai R2 (mendekati 0) berarti variabel
independen secara keseluruhan semakin tidak dapat menjelaskan variasi dari variabel dependen.
BAB IV
ANALISIS DAN PEMBAHASAN 4.1. Gambaran Umum Objek Penelitian
Objek yang digunakan dalam penelitian ini adalah perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia (BEI) periode 1 Januari 2008 sampai dengan 31 Desember 2012. Bursa Efek Indonesia dipilih sebagai sumber data utama karena BEI merupakan pasar saham terbesar dan paling utama di Indonesia, serta tempat atau wadah bagi para pelaku saham untuk memperdagangkan atau memperjualbelikan setiap saham yang dimilikinya.
Menurut Badan Pengawas Pasar Modal (BAPEPAM), Pedoman Penyajian dan Pengungkapan Laporan Keuangan Emiten atau Perusahaan Publik Industri Pertambangan Umum (31 Januari 2008), aktivitas perusahaan pertambangan yang tergolong kedalam industri pertambangan mempunyai empat kegiatan usaha pokok, yaitu eksplorasi, pengembangan dan konstruksi, produksi, dan pengolahan.
Adapun perusahaan yang termasuk kedalam industri pertambangan dikategorikan menjadi empat sub sektor utama, seperti sub sektor batu bara, minyak dan gas bumi, logam mineral, serta batu-batuan. Pada saat ini terdapat 33 perusahaan pertambangan yang terdaftar pada BEI. Daftar perusahaan pertambangan yang tercatat pada Bursa Efek Indonesia dapat dilihat pada lampiran 2.
Berdasarkan metode purposive sampling yang digunakan dalam penelitian ini, terdapat beberapa kriteria yang telah ditetapkan dalam penggunaan sampel.
Diperoleh 9 perusahaan pertambangan dari empat sub sektor yaitu sektor batu
bara, minyak dan gas bumi, logam mineral, serta batu-batuan dengan periode pengujian 1 Januari 2008 sampai dengan 31 Desember 2012. Dalam penelitian ini jumlah sampel yang digunakan berbeda dikarenakan penelitian ini terdapat dua model yang digunakan, yaitu model pertama untuk variabel umur perusahaan dihitung sejak perusahaan terdaftar di Bursa Efek Indonesia sampai dengan tahun penelitian dilakukan, dan model kedua variabel umur perusahaan dihitung sejak perusahaan berdiri sampai dengan tahun penelitian dilakukan. Proses seleksi sampel dan sampel yang digunakan dalam penelitian ini dapat dilihat pada lampiran 3, dan 4.
4.2. Analisis Hasil Penelitian
4.2.1. Statistik Deskriptif Model Pertama
Tabel 4.1 Statistik Deskriptif
ARL LNASET AGE LABARUGI SIZEKAP OPINI
Mean 72.50000 27.88612 3901.265 0.058824 0.500000 0.970588 Median 71.00000 27.56803 4301.500 0.000000 0.500000 1.000000 Maximum 93.00000 30.61207 6283.000 1.000000 1.000000 1.000000 Minimum 52.00000 25.41787 904.000 0.000000 0.000000 0.000000 Std. Dev 10.89968 1.760723 1633.189 0.238833 0.507519 0.171499
Observasi 34 34 34 34 34 34
Sumber: Hasil olah data EViews
Hasil statistik deskriptif model pertama pada tabel 4.1 menunjukkan informasi antara lain nilai rata-rata, nilai maksimum, nilai minimum, standar
deviasi, dan jumlah sampel yang diteliti pada masing-masing variabel, baik variabel dependen maupun variabel independen yang dihitung berdasarkan data secara keseluruhan.
Berdasarkan hasil statistik deskriptif secara keseluruhan dengan total observasi 34 sampel, diketahui bahwa :
1. Rata-rata dari variabel audit report lag dari seluruh perusahaan pertambangan tahun 2008-2012 adalah 72.5 hari dengan standar deviasi 10.89 hari. Dimana lama audit report lag terpanjang mencapai 93 hari dicapai oleh PT. Mitra Investindo Tbk tahun 2008, dan lama audit report lag terpendek yaitu 52 hari terjadi pada PT. Cita Mineral Investindo Tbk tahun 2011. Pada penelitian ini industri pertambangan tahun 2008-2012 memiliki audit report lag lebih panjang. Hal ini ditunjukkan dengan nilai rata-rata audit report lag yang berada diatas nilai tengah, sehingga audit report lag memiliki bentuk distribusi data yang tidak simetri dan cenderung menjulur ke kanan. Penyebaran data pada variabel audit report lag ini tesebar cukup luas ditunjukkan dengan nilai standar deviasi sebesar 10.89.
2. Rata-rata dari variabel ukuran perusahaan yang diproksikan dengan menggunakan logaritma natural dari total aset perusahaan pertambangan tahun 2008-2012 sebesar Rp. 1.290.589.233.000. Nilai total aset terbesar adalah Rp. 19.708.540.946.000 dicapai oleh PT. Aneka Tambang (Persero) Tbk tahun 2012, dan total aset terkecil adalah Rp.
109.355.092.689 dicapai oleh PT. Mitra Investindo Tbk tahun 2009. Pada penelitian ini industri pertambangan tahun 2008-2012 memiliki total aset yang besar. Hal ini ditunjukkan dengan nilai rata-rata total aset yang berada di atas nilai tengah, sehingga variabel ukuran perusahaan memiliki bentuk distribusi data yang tidak simetri dan cenderung menjulur ke kanan. Penyebaran data pada variabel ukuran perusahaan ini tersebar cukup luas ditunjukkan dengan nilai standar deviasi sebesar 1.760723.
3. Rata-rata dari variabel umur perusahaan untuk perusahaan pertambangan tahun 2008-2012 sebesar 3901 hari. Dimana umur perusahaan terlama mencapai 6283 hari dicapai oleh PT. Timah (Persero) Tbk tahun 2012, dan umur perusahaan terpendek yaitu 904 hari terjadi pada PT. Perdana Karya Perkasa Tbk tahun 2009. Pada penelitian ini industri pertambangan tahun 2008-2012 memiliki umur perusahaan lebih pendek. Hal ini ditunjukkan dengan nilai rata-rata umur perusahaan yang berada dibawah nilai tengah, sehingga umur perusahaan memiliki bentuk distribusi data yang tidak simetri dan cenderung menjulur ke kiri. Penyebaran data pada variabel umur perusahaan ini tesebar cukup luas ditunjukkan dengan nilai standar deviasi sebesar 1633.189.
4. Rata-rata dari variabel laba rugi untuk perusahaan pertambangan tahun 2008-2012 sebesar 0.058824, dengan standar deviasi laba rugi sebesar 0.238833.
5. Rata-rata dari variabel ukuran kantor akuntan publik untuk perusahaan pertambangan tahun 2008-2012 sebesar 0.500000, dengan standar deviasi ukuran kantor akuntan publik sebesar 0.507519.
6. Rata-rata dari variabel opini auditor untuk perusahaan pertambangan tahun 2008-2012 sebesar 0.970588, dengan standar deviasi opini auditor sebesar 0.171499.
4.2.2. Statistik Deskriptif Model Kedua Tabel 4.2 Statistik Deskriptif
ARL LNASET AGE LABARUGI SIZEKAP OPINI
Mean 80.41860 27.58500 10422.56 0.883721 0.418605 0.906977 Median 75.00000 27.15058 10251.00 1.000000 0.000000 1.000000 Maximum 175.0000 30.61207 16250.00 1.000000 1.000000 1.000000 Minimum 52.00000 23.44464 5585.000 0.000000 0.000000 0.000000 Std. Dev 24.96401 1.773420 3000.213 0.324353 0.499169 0.293903
Observasi 43 43 43 43 43 43
Sumber: Hasil olah data EViews
Hasil statistik deskriptif model kedua pada tabel 4.2 menunjukkan informasi antara lain nilai rata-rata, nilai maksimum, nilai minimum, standar deviasi, dan jumlah sampel yang diteliti pada masing-masing variabel, baik variabel dependen maupun variabel independen yang dihitung berdasarkan data secara keseluruhan.
Berdasarkan hasil statistik deskriptif secara keseluruhan dengan total observasi 43 sampel, diketahui bahwa:
1. Rata-rata dari variabel audit report lag dari seluruh perusahaan pertambangan tahun 2008-2012 adalah 80.41 hari dengan standar deviasi 24.96 hari. Dimana lama audit report lag terpanjang mencapai 175 hari dicapai oleh PT. ATPK Resources Tbk tahun 2009, dan lama audit report lag terpendek yaitu 52 hari terjadi pada PT. Cita Mineral Investindo Tbk tahun 2011. Pada penelitian ini industri pertambangan tahun 2008-2012 memiliki audit report lag lebih panjang. Hal ini ditunjukkan dengan nilai rata-rata audit report lag yang berada diatas nilai tengah, sehingga audit report lag memiliki bentuk distribusi data yang tidak simetri dan cenderung menjulur ke kanan. Penyebaran data pada variabel audit report lag ini tesebar cukup luas ditunjukkan dengan nilai standar deviasi sebesar 24.96.
2. Rata-rata dari variabel ukuran perusahaan yang diproksikan dengan menggunakan logaritma natural dari total aset perusahaan pertambangan tahun 2008-2012 sebesar Rp. 955.021.795.800. Nilai total aset terbesar adalah Rp. 19.708.540.946.000 dicapai oleh PT. Aneka Tambang (Persero) Tbk tahun 2012, dan total aset terkecil adalah Rp. 15.201.235.077 dicapai oleh PT. Aneka Tambang (Persero) Tbk tahun 2011. Pada penelitian ini industri pertambangan tahun 2008-2012 memiliki total aset yang besar.
Hal ini ditunjukkan dengan nilai rata-rata total aset yang berada di atas
distribusi data yang tidak simetri dan cenderung menjulur ke kanan.
Penyebaran data pada variabel ukuran perusahaan ini tersebar cukup luas ditunjukkan dengan nilai standar deviasi sebesar 1.773420.
3. Rata-rata dari variabel umur perusahaan untuk perusahaan pertambangan tahun 2008-2012 sebesar 10.422 hari. Dimana umur perusahaan terlama mencapai 16.250 hari dicapai oleh PT. Aneka Tambang (Persero) Tbk tahun 2012,dan umur perusahaan terpendek yaitu 5585 hari terjadi pada PT. Mitra Investido Tbk tahun 2008. Pada penelitian ini industri pertambangan tahun 2008-2012 memiliki umur perusahaan lebih panjang.
Hal ini ditunjukkan dengan nilai rata-rata umur perusahaan yang berada diatas nilai tengah, sehingga umur perusahaan memiliki bentuk distribusi data yang tidak simetri dan cenderung menjulur ke kanan. Penyebaran data pada variabel umur perusahaan ini tesebar cukup luas ditunjukkan dengan nilai standar deviasi sebesar 3000.213.
4. Rata-rata dari variabel laba rugi untuk perusahaan pertambangan tahun 2008-2012 sebesar 0.883721, dengan standar deviasi laba rugi sebesar 0.324353.
5. Rata-rata dari variabel ukuran kantor akuntan publik untuk perusahaan pertambangan tahun 2008-2012 sebesar 0.418605, dengan standar deviasi ukuran kantor akuntan publik sebesar 0.499169.
6. Rata-rata dari variabel opini auditor untuk perusahaan pertambangan tahun 2008-2012 sebesar 0.906977, dengan standar deviasi opini auditor sebesar 0.293903.
4.2.3. Analisis Lamanya Audit Report Lag Menurut Regulasi
Berdasarkan lampiran surat Keputusan Ketua BAPEPAM Nomor: Kep- 36/PM/2003 tentang Kewajiban Penyampaian Laporan Keuangan Berkala, setiap emiten dan perusahaan publik yang pernyataan pendaftarannya telah menjadi efektif di Bursa Efek Indonesia (BEI) wajib menyampaikan laporan keuangan berkala, yaitu laporan keuangan tahunan dan laporan keuangan tengah tahunan.
Laporan keuangan tahunan tersebut harus disertai dengan laporan akuntan dengan pendapat yang lazim dan harus disampaikan kepada BAPEPAM selambat- lambatnya pada akhir bulan ketiga (90 hari) setelah tanggal laporan keuangan tahunan.
Berdasarkan hasil statistik deskriptif secara keseluruhan dengan total observasi sebanyak 34 sampel (model pertama) diketahui bahwa rata-rata audit report lag untuk perusahaan pertambangan periode 2008-2012 adalah 72.5 hari dengan standar deviasi 10.89968 hari. Model kedua dengan total observasi 43 sampel, diketahui bahwa rata-rata audit report lag untuk perusahaan pertambangan periode 2008-2012 adalah 80.41 hari dengan standar deviasi 24.96401 hari. Rata-rata lamanya pelaporan audit (audit report lag) pada perusahaan pertambangan tersebut masih berada dalam batas penyampaian laporan keuangan ke BAPEPAM. Hal ini menunjukkan bahwa rata-rata
perusahaan sampel mampu menyampaikan pelaporan keuangan secara tepat waktu untuk dilaporkan ke publik sesuai dengan ketentuan BAPEPAM, yakni dapat lebih cepat dari batas waktu yang telah ditetapkan yaitu selama 90 hari.
4.2.4. Uji Normalitas
Model yang baik dan layak digunakan dalam penelitian adalah data yang terdistribusi secara normal atau mendekati normal. Salah satu uji yang dapat dilakukan untuk mengetahui suatu data normal atau tidak adalah dengan menggunakan uji Jargue-Bera test atau J-B test. Hipotesis dari uji Jargue-Bera test adalah sebagai berikut:
Ho : Residual data terdistribusi normal Ha : Residual data tidak terdistribusi normal
Gambar 4.1
Hasil Uji Normalitas Model Pertama
Sumber: Hasil olah data Eviews
0 1 2 3 4 5 6 7 8 9
-10 -5 0 5 10 15
Series: Standardized Residuals Sample 2008 2012
Observations 34 Mean 2.85e-14 Median 0.118264 Maximum 16.06706 Minimum -10.50747 Std. Dev. 7.357930 Skewness 0.241291 Kurtosis 1.992352 Jarque-Bera 1.768339 Probability 0.413057
Gambar 4.2
Hasil Uji Normalitas Model Kedua
0 1 2 3 4 5 6 7 8 9
-30 -25 -20 -15 -10 -5 0 5 10 15 20 25
Series: Standardized Residuals Sample 2008 2012
Observations 43 Mean -1.83e-14 Median -0.715692 Maximum 23.76027 Minimum -29.21110 Std. Dev. 11.79529 Skewness -0.104400 Kurtosis 2.360182 Jarque-Bera 0.811561 Probability 0.666456
Sumber: Hasil olah data Eviews
Jika nilai statistik Jargue Bera mendekati atau tidak jauh dari angka 0, maka dapat disimpulkan bahwa residual terdistribusi secara normal (Widarjono, 2009) dan nilai probabilitas yang diperoleh lebih besar dari α = 5%, maka menerima Ho yang artinya residual data berdistribusi normal, Winarno (2009).
Berdasarkan gambar diatas, probabilitas pada uji normalitas diatas diperoleh hasil sebesar 0.413057 (model pertama), dan 0.666456 (model kedua). Angka-angka tersebut menunjukkan bahwa probabilitas lebih besar dari 0.05, hasil tersebut menunjukkanHo diterima yang artinya adalah residual data terdistribusi normal.
4.2.5. Penentuan Model Regresi Data Panel
Data panel merupakan kombinasi dari data time series dan cross section.
Penentuan model regresi data panel bertujuan untuk memilih model estimasi
mengestimasi model regresi dengan data panel yaitu Common Effect, Fixed Effect dan Random Effect, Winarno (2011). Langkah pertama yang dilakukan untuk menguji regresi data panel adalah melakukan uji Chow, apabila pada uji Chow tidak lulus uji maka dilanjutkan dengan melakukan uji Hausman, setelah dilakukan uji Hausman maka dapat diketahui apakah data menggunakan model regresi Fixed Effect atau Random Effect.
4.2.5.1. Pemilihan Model Common Effect atau Fixed Effect
Untuk memilih model mana yang akan digunakan antara Common Effect atau Fixed Effect didalam penelitian ini akan digunakan uji Chow terlebih dahulu.
Langkah pertama adalah melakukan estimasi regresi dengan Fixed Effect.
Kemudian melakukan uji Chow untuk menentukan apakah akan menggunakan model Common Effect atau Fixed Effect. Hipotesis dari uji Chow adalah sebagai berikut:
Ho : Menggunakan metode Common Effect Ha : Menggunakan metode Fixed Effect
Apabila F hitung lebih kecil dari F tabel atau probabilitas dari cross section F lebih besar dari 0.05 maka terima Ho yang artinya menggunakan model Common Effect dan pengujian berhenti sampai di uji Chow. Sebaliknya apabila F hitung lebih besar dari F tabel atau probabilitas dari cross section F lebih kecil dari 0.05 maka tolak Ho yang artinya menggunakan model Fixed Effect dan pengujian berlanjut ke uji Hausman. Berikut adalah hasil uji Chow yang dilakukan atas model penelitian:
Tabel 4.3
Hasil Uji Chow Model Pertama Redundant Fixed Effects Tests
Pool: RETNO
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 2.071421 (6,22) 0.0984
Cross-section Chi-square 15.226662 6 0.0186
Sumber: Hasil olah data Eviews
Tabel 4.4
Hasil Uji Chow Model Kedua Redundant Fixed Effects Tests
Pool: RETNO
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 0.966287 (8,29) 0.4807
Cross-section Chi-square 10.161160 8 0.2539
Sumber : Hasil olah data Eviews
Dengan melihat nilai probabilitas uji Chow pada tabel 4.3 dan tabel 4.4, didapat nilai sebesar 0.0984 (model pertama), dan 0.4807 (model kedua) dimana hasil tersebut lebih besar dari 0.05, maka dapat disimpulkan bahwaHo tidak dapat ditolak. Oleh karena itu, metode yang tepat dalam regresi berganda ini adalah metode Common Effect (metode OLS). Jadi asumsi intersep dan slope adalah tetap
dikarenakan pendekatan ini tidak memperhatikan dimensi perbedaan antar waktu dan individu. Penelitian ini hanya untuk mengetahui pengaruh variabel independen terhadap variabel dependen tanpa melihat besar perubahan yang terjadi dari waktu ke waktu.
Berdasarkan langkah-langkah mengolah data panel pada Bab 3, jika metode yang diterima adalah Common Effect maka pengujian metode data panel selesai sampai disini, hal ini berarti tidak perlu dilakukan uji Hausman. Jadi metode Common Effect inilah yang selanjutnya akan diolah dan dianalisis dalam penelitian ini.
4.2.6. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, diperlukan uji Best Linear Unbiased Estimator (BLUE), model tersebut perlu diuji asumsi klasiknya dengan metode Ordinary Least Square (OLS) atau pangkat kuadrat terkecil biasa.
Model regresi dikatakan BLUE apabila tidak terdapat multikolinearitas, heteroskedastisitas, dan autokorelasi, Widarjono (2009).
4.2.6.1. Uji Multikolinearitas
Uji multikolinearitas dalam penelitian ini digunakan untuk mengetahui adanya hubungan antara variabel independen dalam satu regresi. Untuk mendeteksi ada atau tidaknya multikolinearitas dalam penelitian ini yaitu dengan menguji korelasi (r) di setiap variabel independen. Apabila koefisien korelasi berada dibawah 0.85, maka penelitian ini bebas dari masalah multikolinearitas, Widarjono (2009). Hasil uji multikolinearitas dapat dilihat pada tabel 4.5, dan tabel 4.6.
Berdasarkan tabel 4.5, dan tabel 4.6, menunjukkan hasil bahwa koefisien korelasi antar variabel independen dalam penelitian ini mempunyai angka yang lebih kecil dari 0.85. Sehingga dapat disimpulkan bahwa variabel independen yang terdapat dalam penelitian ini yaitu ukuran perusahaan, umur perusahaan, laba rugi, ukuran KAP, dan opini auditor terbebas dari adanya masalah multikolinearitas atau tidak terjadi hubungan antara variabel independen yang terjadi dalam satu model regresi.
4.2.6.2. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Terdapat beberapa cara yang dilakukan untuk dapat mengidentifikasi ada tidaknya masalah heteroskedastisitas yaitu uji White, Glejser, dan Harvey.
Pendeteksian ada tidaknya heteroskedastisitas dalam penelitian ini dilakukan dengan menggunakan metode uji White (model pertama), dan uji Harvey (model kedua). Hasil uji heteroskedastisitas dapat dilihat pada tabel 4.7, dan tabel 4.8.
Untuk membuktikan apakah terjadi masalah heteroskedastisitas digunakan hipotesis seperti berikut:
Ho : Tidak ada heteroskedastisitas Ha : Ada heteroskedastisitas
Jika nilai probabilitas Chi Squares dari Obs*R-Squarelebih besar dari α = 5% maka Ho tidak dapat ditolak yang artinya tidak ada heteroskedastisitas,
Chi Squares dari Obs*R-Square menujukkan angka sebesar 0.1684 (model pertama), dan 0.0878 (model kedua). Dimana nilai probabilitas Chi Squares dari Obs*R-Square lebih besar dari 0.05, yang artinyaHo tidak dapat ditolak sehingga dapat disimpulkan bahwa dalam penelitian ini bebas dari adanya masalah heteroskedastisitas.
4.2.6.3. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada tidaknya hubungan observasi satu dengan observasi lain yang berlain waktu. Pendeteksian ada tidaknya masalah autokorelasi dalam penelitian ini dilakukan dengan menggunakan metode uji Lagrange Multiplier (LM). Hasil uji autokorelasi dapat dilihat pada tabel 4.9, dan tabel 4.10. Dimana hipotesis dari uji Langrange Multiplier (LM) adalah :
Ho: Tidak ada Autokorelasi Ha : Ada Autokorelasi
Jika nilai probabilitasChi Squares dari Obs*R-square lebih besar dari α = 5% maka Ho tidak dapat ditolak yang artinya tidak ada autokorelasi, Winarno (2011). Berdasarkan tabel 4.9, dan tabel 4.10, nilai probabilitas dari Obs*R- Square menujukkan angka sebesar 0.0911 (model pertama), dan 0.0960 (model kedua). Dimana nilai probabilitas Chi Squares dari Obs*R-Square lebih besar dari 0.05, yang artinya Ho tidak dapat ditolak sehingga dapat disimpulkan bahwa dalam penelitian ini bebas dari adanya masalah autokorelasi.
4.2.7. Hasil Pengujian Hipotesis Model Pertama
Berdasarkan analisis regresi yang digunakan untuk mengetahui ada tidaknya pengaruh antara variabel independen terhadap variabel dependen.
Berdasarkan pengolahan data, sesuai dengan hasil uji Chow yang tertera pada tabel 4.3, diketahui bahwa penelitian ini menggunakan metode Common Effect.
Adapun hasil uji Common Effect dapat dilihat pada tabel di bawah ini:
Tabel 4.11
Hasil Regresi Metode Common Effect
ARL = 234.4012–5.664562 LNASET + 0.000828 AGE + 22.46133 LABARUGI + 21.06581 SIZEKAP–19.59760 OPINI
Variabel Prediksi Koefisien t-statistik Probabilitas KesimpulanHa LNASET +/- -5.664562 -4.029318 0.0004* Tidak dapat ditolak
AGE +/- 0.000828 0.897855 0.3769 Ditolak
LABARUGI +/- 22.46133 3.462925 0.0017* Tidak dapat ditolak SIZEKAP +/- 21.06581 4.243824 0.0002* Tidak dapat ditolak OPINI +/- -19.59760 -2.342472 0.0265** Tidak dapat ditolak Adjusted R-squared: 0.462919
F-statistic: 6.688653 Prob (F-statistic): 0.000325 LNASET: Ukuran Perusahaan (Total aset, ln) ; AGE: Umur Perusahaan (hari) LABARUGI: Dummy ; SIZEKAP: Dummy ; OPINI: Dummy
*Signifikan pada level α = 1% ** Signifikan pada level α = 5%
Sumber: Hasil olah data Eviews
Berdasarkan hasil regresi metode Common Effect nilai koefisien konstanta sebesar 234.4012 artinya jika variabel LNASET (ukuran perusahaan), AGE (umur perusahaan), LABA RUGI, SIZEKAP (ukuran kantor akuntan publik), dan OPINI (opini auditor) bernilai konstan, maka rata-rata audit report lag perusahaan pertambangan periode 2008-2012 sebesar 234 hari.
4.2.7.1. Koefisien Determinasi (R2)
Koefisien determinasi digunakan untuk menjelaskan seberapa besar proporsi variasi variabel dependen dijelaskan oleh variabel independen, karena penelitian ini menggunakan lebih dari dua variabel independen, maka digunakan alternatif yaitu dengan meilihat nilai dari Adjusted R². Adjusted R² disesuaikan dengan jumlah variabel independen dan ukuran sampel.
Dari hasil koefisien determinasi pada tabel 4.11, menunjukkan bahwa nilai adjusted R2 sebesar 0.462919 atau sebesar 46.3%. Hal ini menunjukkan bahwa variabel independen (ukuran perusahaan, umur perusahaan, laba rugi, ukuran kantor akuntan publik, dan opini audit) mampu mempengaruhi dan menjelaskan variansi dari variabel dependen (audit report lag) sebesar 46,3%.
Sedangkan, 0.537081 sisanya atau sebesar 53.7% dijelaskan oleh faktor-faktor lain yang tidak diikutsertakan dalam model penelitian ini.
4.2.7.2. Pengaruh Ukuran Perusahaan Terhadap Audit Report Lag
Berdasarkan hasil pengolahan model regresi berganda yang ditunjukkan pada tabel 4.11, diperoleh nilai koefisien variabel ukuran perusahaan (LNASET) sebesar -5.664562. Hal tersebut memiliki arti yaitu, variabel ukuran perusahaan berpengaruh signifikan secara negatif terhadap audit report lag. Semakin besar ukuran perusahaan semakin pendek audit report lag. Jadi, koefisien regresi lnaset sebesar -5.664562 menyatakan jika total aset perusahaan meningkat satu satuan, maka audit report lag akan menurun atau lebih cepat sebesar 5.664562 hari dengan asumsi variabel bebas lainnya tetap.
Sementara itu, pada hasil uji t dapat diketahui bahwa variabel ukuran perusahaan yang diproksikan dengan menggunakan total aset memiliki probabilitas sebesar 0.0004. Berdasarkan hasil tersebut diketahui bahwa probabilitas ukuran perusahaan yang diperoleh lebih kecil dari tingkat signifikansi α = 0.01 yaitu (0.0004 < 0.01). Sehingga Ho ditolak, dan Ha tidak dapat ditolak, atau dengan kata lain variabel ukuran perusahaan berpengaruh signifikan terhadap audit report lag.
Hasil penelitian ini konsisten dengan teori yang sudah dikembangkan sebelumnya, bahwa ukuran perusahaan menunjukkan arah yang negatif terhadap audit report lag. Menurut Petronila (2007), arah negatif menunjukkan bahwa semakin besar ukuran perusahaan, maka jangka waktu pelaporan audit akan semakin cepat dan sebaliknya jika ukuran perusahaan semakin kecil maka jangka waktu pelaporan audit akan semakin panjang. Hal ini dikarenakan perusahaan besar memiliki sumber daya yang besar, tenaga kerja yang kompeten, peralatan teknologi yang mendukung sistem informasi akuntansi sehingga dapat menghasilkan data yang akurat dan lebih cepat, serta memiliki pengendalian internal yang lebih baik yang dapat membantu auditor dalam melakukan pekerjaan audit. Menurut Andi (2009) dalam Indriyani dan Supriyati (2012), perusahaan-perusahaan yang besar memiliki sumber daya untuk membayar biaya audit yang lebih besar kepada auditor sehingga perusahaan dapat mendorong auditornya agar dapat menyelesaikan pekerjaan audit secara tepat waktu, karena perusahaan besar cenderung memiliki pengawasan yang ketat dari pihak eksternal seperti investor, pengawas permodalan, dan pemerintah sehingga terdapat