BAB III METODE PENELITIAN. Jenis penelitian yang digunakan adalah penelitian asosiatif yaitu menurut

Transkripsi

1 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 variabel atau lebih. Menurut 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 Menurut Erlina (2011), populasi adalah wilayah generalisasi yang terdiri dari objek atau subjek yang menjadi kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi penelitian ini adalah perusahaan-perusahaan Property dan Real Estate yang terdaftar di Bursa Efek Indonesia pada tahun Berdasarkan data yang diperoleh melalui situs BEI di Sampel adalah bagian populasi yang digunakan untuk memperkirakan karakteristik populasi (Erlina, 2011). Metode pengambilan sampel dalam penelitian ini dilakukan dengan metode purposive sampling yaitu sebuah metode pengambilan sampel berdasarkan suatu kriteria tertentu (Erlina, 2011

2 : 87). Adapun kriteria yang digunakan untuk memilih sampel penelitian ini adalah sebagai berikut. 1. Perusahaan Property dan Real Estate yang terdaftar di Bursa Efek Indonesia dan tidak didelisting selama periode Perusahaan Property dan Real Estate yang mempublikasikan laporan keuangan secara berturut-turut dari tahun Perusahaan Property dan Real Estate yang mempublikasikan laporan keuangan dengan lengkap dan telah diaudit oleh Kantor Akuntan Publik pada periode Berdasarkan kriteria di atas, sampel dalam penelitian ini sebanyak 32 perusahaan Property dan Real Estate periode Sehingga total sampel penelitian ini adalah berjumlah 128 perusahaan. Tabel 3.1 Daftar Populasi dan Sampel No. Nama Perusahaan Kriteria Sampel 1. Agung Podomoro Land Tbk. Sampel 1 2. Alam Sutera Reality Tbk. Sampel 2 3. Bekasi Asri Pemula Tbk. Sampel 3 4. Bumi Citra Permai Tbk Bekasi Fajar Industrial Estate Sampel 4 Tbk. 6. Binakarya Jaya Abadi Tbk Bhuawanatala Indah Permai Tbk. Sampel 5

3 8. Bukit Darmo Property Tbk. Sampel 6 9. Sentul City Tbk. Sampel Bumi Serpong Damai Tbk Cowell Development Tbk. Sampel Ciputra Development Tbk. Sampel Ciputra Property Tbk. Sampel Ciputra Surya Tbk. Sampel Duta Anggada Realty Tbk. Sampel Intiland Development Tbk. Sampel Puradelta Lestari Tbk Duta Pertiwi Tbk Bakrieland Development Tbk Megapolitan Development - - Tbk. 21. Fortune Mate Indonesia Tbk. Sampel Gading Development Tbk. Sampel Goa Makassar Tourism Sampel 16 Development Tbk. 24. Perdana Gapura Prima Tbk. Sampel Greenwood Sejahtera Tbk. Sampel Jaya Real Property Tbk. Sampel Kawasan Industri Jababeka Sampel 20 Tbk. 28. Lamicitra Nusantara Tbk. Sampel Eureka Prima Jakarta Tbk Lippo Cikarang Tbk Lippo Karawaci Tbk Modernland Realty Tbk. Sampel Metropolitan Kentjana Tbk Mega Manunggal Property - -

4 Tbk. 35. Metropolitan Land Tbk. Sampel Metro Realty Tbk. Sampel Nirvana Development Tbk. Sampel Indonesia Prima Property Tbk. Sampel PP Properti Tbk Plaza Indonesia Realty Tbk Pudjiati Prestige Sampel Pakuwon Jati Tbk. Sampel Panca Wirasakti Tbk Ristia Bintang Mahkota Sejati - Tbk. 45. Roda Vivatex Tbk. Sampel Pikko Land Development Tbk. Sampel Surya Inti Permata Tbk Dadanayasa Arthatama Tbk. Sampel Suryamas Dutamakmur Tbk. Sampel Summarecon Agung Tbk. Sampel Sitara Propertindo Tbk Jenis dan Sumber Data Data yang digunakan berupa data sekunder. Data sekunder adalah data yang telah dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada masyarakat pengguna data (Erlina, 2011). Data penelitian ini merupakan data yang diperoleh dalam bentuk lengkap yang sudah jadi yang tidak memerlukan pengolahan lebih lanjut, yaitu laporan keuangan (annual report) dan laporan keuangan auditan (independent auditor s report) selama periode dan diperoleh dari website resmi Bursa Efek Indonesia

5 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 auditor independen, maupun informasi lainnya yang diperoleh dari website resmi Bursa Efek Indonesia. 3.5 Definisi Operasional dan Pengukuran Variabel Penelitian Definisi operasional dari variabel-variabel yang digunakan dalam penelitian ini adalah sebagai berikut: Variabel Dependen Variabel dependen merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel sebab atau variabel bebas (Erlina, 2011 : 36). 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.

6 3.5.2 Variabel Independen Menurut Erlina (2011 : 37), variabel independen atau yang sering disebut juga sebagai variabel bebas merupakan variabel yang dapat mempengaruhi perubahan dalam variabel dependen Ukuran Perusahaan Variabel independen (X1) yang digunakan dalam penelitian ini adalah ukuran perusahaan merupakan besar kecilnya perusahaan yang dinilai dari jumlah total aset yang dimiliki perusahaan tersebut. Keputusan Ketua Bapepam-LK No. Kep. 11/PM/1997 menyebutkan perusahaan kecil dan menegah berdasarkan aktiva (kekayaan) adalah badan hukum yang memiliki total aktiva tidak lebih dari seratus milyar, sedangkan perusahaan besar adalah badan hukum yang total aktivanya di atas seratus milyar. Penelitian ini menggunakan jumlah kekayaan (total aset) yang dimiliki perusahaan sebagai proksi ukuran perusahaan Tenure Audit Tenure audit juga adalah variabel independen (X2) yang digunakan dalam penelitian ini. 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 Jasa Audit.

7 3.5.3 Variabel Pemoderasi Variabel pemoderasi atau variabel moderating merupakan variabel yang dapat mempengaruhi (memperkuat atau memperlemah) hubungan antara variabel independen dengan variabel dependen (Erlina 2011 : 37). Variabel pemoderasi (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 3.2 Definisi Operasional dan Skala Pengukuran Variabel Variabel Definisi Variabel Indikator Skala Ukuran Perusahaan Besar kecilnya Ln Total Asset Rasio (X1) perusahaan yang dapat diukur berdasarkan total nilai aset yang dimiliki perusahaan pada tahun pelaporan. Tenure Audit (X2) Jumlah tahun dimana KAP atau auditor melakukan perikatan audit Menghitung tahun dimana auditor yang sama telah melakukan perikatan dengan klien. Nominal

8 dengan klien yang Dummy variable, 1 = sama/ jumlah tahun perusahaan diaudit oleh suatu KAP atau auditor yang sama seorang auditor selama 3 tahun, 0 = mengaudit suatu perusahaan diaudit oleh perusahaan. auditor yang sama <3 tahun Audit Report Lag Lamanya waktu Jumlah hari antara akhir Rasio (Y) penyelesaian audit periode akuntansi yakni yang diukur dari 31 Desember sampai tanggal penutupan dengan tanggal yang tahun buku atau tertera dalam laporan akhir tahun fiskal auditor independen. dalam laporan keuangan hingga tanggal diterbitkannya laporan auditor independen. Spesialisasi Mekanisme yang Dummy variable, 1 Nominal Industri Auditor dilakukan oleh untuk auditor spesialis (Z) auditor untuk industri, 0 untuk auditor meningkatkan non- spesialis industri. pengetahuannya dalam bidang industri tertentu, baik secara tidak langsung melalui pelatihan, maupun secara langsung

9 dengan cara membatasi perikatan audit hanya pada jenis industri tertentu. 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) Analisis Statistik Deskriptif Analisis statistik deskriptif digunakan untuk mengetahui karakteristik sampel yang digunakan dam menggambarkan variabel-variabel dalam penelitian. Analisis statistik deskriptif meliputi jumlah, sampel, nilai minimum, nilai maksimum, nilai rata-rata (mean), dan standar deviasi dari semua variabel Uji Asumsi Klasik Menurut Ghozali (2013), pengujian asumsi klasik ini bertujuan untuk mengetahui dan menguji kelayakan atas model regresi yang digunakan dalam penelitian ini. Pengujian ini juga dimaksudkan untuk memastikan bahwa di dalam model regresi yang digunakan tidak terdapat multikolinieritas, heteroskedastisitas dan autokorelasi.

10 Uji Normalitas Uji normalitas digunakan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual dapat terdistribusi secara normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid dalam sampel kecil. Ada 2 cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji analisis statistik. 1. Analisis Grafik Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data ( titik ) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. 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.

11 2. Analisis Statistik Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, pada hal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan di samping uji grafik dilengkapi dengan uji statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov (K-S). Uji K-S dilakukan dengan membuat hipotesis: Ho: Data residual berdistribusi normal Ha: Data residual tidak berdistribusi normal 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 Uji Multikolinieritas Menurut Ghozali (2013), 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, yaitu: 1. Correlation Matrix, multikolinieritas ditemukan apabila hubungan antara variabel bebas melebihi 0.80.

12 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) Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke 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 (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi

13 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) Uji Autokorelasi Uji autokolerasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Model regresi yang baik adalah regresi yang bebas dari 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 test. Dalam penelitian ini menggunakan uji Run test 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. Model persamaan regresi yang digunakan yaitu:

14 Y= α + β1x1 + β2x2 + e dimana: Y α = variabel dependen yaitu audit report lag (ALAG) = konstanta β1, β2 = koefisien regresi X1 X2 e = ukuran perusahaan (SIZE) = tenure audit (TENURE) = error (penganggu) Uji Hipotesis 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 independennya 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.

15 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 pengujian adalah sebagai berikut (Ghozali, 2013): 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 Analisis Regresi Moderasi Ada tiga cara menguji regresi dengan variabel moderating, yaitu uji interaksi, uji nilai selisih mutlak, dan uji residual Uji Interaksi Uji interaksi atau yang sering disebut dengan Moderated Regression Analysis (MRA) merupakan aplikasi khusus regresi berganda liner di mana dalam persamaan regresinya mengandung unsur interaksi (perkalian dua atau lebih variabel independen) dengan rumus persamaan sebagai berikut : Y= α + β1x1 + β2x2 + β3z+ β4[{x1*z}] + β5[{x2*z}] + e

16 di mana : Y α β1-β5 X1 X2 Z e = audit report lag (ALAG) = konstanta = koefisien regresi = ukuran perusahaan (SIZE) = tenure audit (TENURE) = spesialisasi industri auditor (SPEC) = error (penganggu) Uji Nilai Selisih Mutlak Menurut Furcot dan Shearon (1991) uji nilai selisih mutlak lebih akurat. Jika score tinggi untuk spesialisasi industri auditor bersosiasi dengan score rendah maupun score tinggi SIZE, dan TENURE, maka akan terjadi perbedaan nilai absolut yang besar. Hal ini juga akan berlaku score rendah untuk spesialisasi industri auditor berasosiasi dengan score tinggi maupun score rendah SIZE, dan TENURE. 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 + β6z + β7 X2-Z (2) Keterangan : Y = audit report lag (ALAG) β0 = konstanta regresi persamaan 1 β4 = konstanta regresi persamaan 2

17 β1- β3 = konstanta regresi persamaan 1 β5- β7 = konstanta regresi persamaan 2 X1 X2 Z = ukuran Perusahaan (SIZE) = tenure audit (TENURE) = spesialisasi industri auditor (SPEC) Uji Residual Menurut Ghozali (2013), analisis residual ingin menguji pengaruh deviasi (penyimpangan) dari suatu model. Fokusnya adalah ketidakcocokan (lack of fit) yang dihasilkan dari deviasi hubungan linear antar variabel independen. Lack of fit ditunjukkan oleh nilai residual di dalam regresi. Dalam hal ini jika terjadi kecocokan antara variabel independen dan variabel moderating (nilai residual kecil atau nol) yaitu variabel independen tinggi dan variabel moderating juga tinggi, maka variabel dependen juga tinggi. Sebaliknya jika terjadi ketidakcocokan atau lack of fit antara variabel independen dan variabel moderating (nilai residual besar), yaitu variabel independen tinggi dan variabel moderating rendah, maka variabel dependen akan rendah. Langkah-langkah yang dilakukan adalah dengan melakukan regresi persamaan : Z=α + β1x1 + β2x2 + e...(1) Kemudian regresi dilanjutkan dengan persamaan : e = α + β1y...(2)

18 Persamaan regresi (2) menggambarkan spesialisasi industri auditor sebagai variabel moderating jika nilai koefisien parameternya signifikan dan negatif. Keterangan : Y α β1-β2 X1 X2 Z e = audit report lag (ALAG) = konstanta = koefisien regresi = ukuran perusahaan (SIZE) = tenure audit (TENURE) = spesialisasi industri auditor (SPEC) = error (penganggu) Uji residual dapat menunjukkan apakah suatu variabel dapat dikatakan sebagai variabel moderating, jika suatu variabel dilakukan dengan uji residual dengan hasil nilai koefisien signifikan lebih kecil dari 0,05 yang berarti signifikan dan bernilai negatif maka variabel ini dapat dijadikan sebagai variabel moderating (Ghozali, 2013). Hipotesis moderating diterima jika nilai t hitung adalah negatif dan signifikan. Model ini terbebas dari gangguan multikolinearitas.

19 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Gambaran Umum Populasi yang digunakan dalam penelitian ini adalah perusahaan Property dan Real Estate yang terdaftar di BEI tahun 2012 sampai Perusahaan yang dijadikan sampel berjumlah 33 perusahaan dengan time series 4 tahun sehingga jumlah sampel penelitian berjumlah 132 perusahaan. Variabel independen yang digunakan adalah ukuran perusahaan (X1) dan tenure audit (X2). Variabel dependen yang digunakan adalah audit report lag (Y) dan variabel moderating yang digunakan adalah spesialisasi indutri auditor (Z). 4.2 Statistik Deskriptif Statistik deskriptif memberikan gambaran umum atau deskripsi suatu data yang dijadikan sampel penlitian, dilihat dari nilai minimum, maksimum, rata-rata, dan standar deviasi. Statistik deskriptif dari variabel yang ditunjukkan dalam Tabel 4.1 di bawah ini. Tabel 4.1 Statistik Deskriptif Variabel Ukuran Perusahaan, Tenure Audit, Audit Report Lag, dan Spesialisasi Industri Auditor Descriptive Statistics N Minimum Maximum Mean Std. Deviation SIZE TENURE ALAG SPEC Valid N (listwise) 132

20 Tabel 4.1 merupakan output statistik deskriptif variabel penelitian dari tahun 2012 sampai 2015 dengan menggunakan software SPSS. Jumlah sampel keseluruhan adalah 132 sampel (33 perusahaan Property dan Real Estate selama 4 tahun). Dari tabel 4.1 dapat dijelaskan statistik deskriptif masing-masing variabel sebagai berikut : a. Variabel Ukuran Perusahaan (SIZE) memiliki nilai minimum sebesar dan nilai maksimum sebesar , nilai rata-rata sebesar dan standar deviasi sebesar b. Variabel Tenure Audit (TENURE) memiliki nilai minimum sebesar 1 dan nilai maksimum sebesar 3, nilai rata-rata sebesar 1.52 dan standar deviasi sebesar c. Variabel Audit Report Lag (ALAG) memiliki nilai minimum sebesar 50 dan nilai maksimum sebesar 99, nilai rata-rata sebesar dan standar deviasi sebesar d. Variabel Spesialisasi Industri Auditor (SPEC) memiliki nilai minimum sebesar 0 dan nilai maksimum sebesar 1, nilai rata-rata sebesar 0.06 dan standar deviasi sebesar Tabel 4.2 Statistik Frekuensi Tenure Audit (X2) TENURE Frequency Percent Valid Percent Cumulative Percent Valid Total

21 Berdasarkan tabel 4.2 dapat dideskripsikan bahwa variabel independen kedua (X2) 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 117 perusahaan atau 88,6% dari total keseluruhan data, sedangkan perusahaan yang diaudit oleh auditor yang sama <3 tahun sebanyak 15 perusahaan atau 11,4% dari total keseluruhan data. Tabel 4.3 Statistik Frekuensi Spesialisasi Industri Auditor (Z) SPEC Frequency Percent Valid Percent Cumulative Percent Valid Total 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 industri 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 industri sebanyak 8 perusahaan atau 6,1% dari total keseluruhan data, sedangkan

22 perusahaan yang menggunakan auditor non-spesialis industri sebanyak 124 perusahaan atau 93,9 % dari total keseluruhan data. 4.3 Uji Asumsi Klasik 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 berdistribusi normal. Tabel 4.4 Uji Kolmogorov-Smirnov Sebelum Moderating One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 132 Normal Parameters a,b Mean 0E-7 Std. Deviation Absolute.115 Most Extreme Differences Positive.085 Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed).060 a. Test distribution is Normal.

23 b. Calculated from data. Hasil dari pengolahan data penelitian sebelum moderating dengan menggunakan uji Kolmogorov-Smirnov yang tersaji dengan tabel 4.4 diperoleh signifikansi variabel audit report lag lebih besar dari 0.05 yaitu 0.60 yang menunjukkan bahwa data penelitian terdistribusi secara normal. Tabel 4.5 Uji Kolmogorov-Smirnov Setelah Moderating One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 132 Normal Parameters a,b Mean 0E-7 Std. Deviation Most Extreme Differences Absolute.105 Positive.088 Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed).111 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 4.5 diperoleh signifikansi variabel audit report lag lebih besar dari 0.05 yaitu yang menunjukkan bahwa data penelitian terdistribusi secara normal.

24 Gambar 4.1 Histogram Sebelum Moderating Gambar 4.2 Historgram Setelah Moderating

25 Gambar 4.3 Normal Plot Sebelum Moderating Gambar 4.4 Normal Plot Setelah Moderating 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

26 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 Coefficients a Model Unstandardized Standardized t Sig. Collinearity Statistics Coefficients Coefficients B Std. Error Beta Tolerance VIF (Constant) SIZE TENURE a. Dependent Variable: ALAG Dari uji multikolinearitas sebelum moderating yang tersaji dalam tabel 4.6 dapat dilihat tidak terjadi gejala multikolinearitas antar varibel penelitian, hal ini ditunjukkan dalam angka VIF (Variance Inflation Factor) dari ukuran perusahaan dan tenure audit yang < 10 dan nilai tolerance > Tabel 4.7 Uji Multikolinearitas Setelah Moderating Coefficients a Model Unstandardized Standardized t Sig. Collinearity Statistics Coefficients Coefficients B Std. Error Beta Tolerance VIF (Constant) SIZE TENURE SPEC a. Dependent Variable: ALAG

27 Dari uji multikolinearitas setelah moderating yang tersaji dalam tabel 4.7 dapat dilihat tidak terjadi gejala multikolinearitas antar varibel penelitian, hal ini ditunjukkan dalam angka VIF (Variance Inflation Factor) dari ukuran perusahaan dan tenure audit yang < 10 dan nilai tolerance > 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 juga dapat menggunakan uji Scatterplot untuk menguji heteroskedastisitas. 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

28 membentuk pola tertentu serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Jadi, dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas. Gambar 4.6 Uji Heteroskedastisitas Setelah Moderating Dari grafik scatterplot sebelum 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, dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas Uji Autokorelasi Pengujian autokorelasi dilakukan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi antar kesalahan pengganggu pada

29 periode t dengan kesalahan pada periode t-1 (periode sebelumnya). Uji autokorelasi dalam penelitian ini dilakukan dengan menggunakan uji Run Test. Tabel 4.8 Uji Autokorelasi Sebelum Moderating Runs Test Unstandardized Residual Test Value a Cases < Test Value 66 Cases >= Test Value 66 Total Cases 132 Number of Runs 54 Z Asymp. Sig. (2-tailed).116 a. Median Dari uji Run Test untuk uji autokorelasi sebelum moderating tersaji pada tabel 4.8 dapat dilihat bahwa signifikansi variabel audit report lag lebih besar dari 0.05 yaitu yang menunjukkan bahwa residual random atau tidak terjadi autokorelasi antar nilai residual.

30 Tabel 4.9 Uji Autokorelasi Setelah Moderating Runs Test Unstandardized Residual Test Value a Cases < Test Value 66 Cases >= Test Value 66 Total Cases 132 Number of Runs 50 Z Asymp. Sig. (2-tailed).88 a. Median Dari uji Run Test untuk uji autokorelasi sebelum moderating tersaji pada tabel 4.9 dapat dilihat bahwa signifikansi variabel audit report lag lebih besar dari 0.05 yaitu 0.88 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 variabel independen.

31 Tabel 4.10 Koefisien Regresi Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. (Constant) SIZE TENURE a. Dependent Variable: ALAG Berdasarkan nilai koefisien yang terdapat pada tabel 4.10, dapat dihasilkan persamaan regresi sebagai berikut : ALAG = SIZE TENURE Dari hasil persamaan regresi berganda tersebut, masing-masing variabel independen dapat diinterpretasikan pengaruhnya terhadap audit report lag yaitu : 1. Konstanta sebesar menyatakan bahwa jika tidak ada variabel ukuran perusahaan (X1) dan tenure audit (X2) atau pada saat ukuran perusahaan (X1) dan tenure audit (X2) sama dengan 0 atau konstan maka audit report lag (Y) adalah sebesar Koefisien SIZE (X1) sebesar Hal ini menunjukkan bahwa apabila terjadi peningkatan variabel ukuran perusahaan sebesar 1%, maka akan menaikkan audit report lag sebesar Koefisien nilai TENURE (X2) sebesar Hal ini menunjukkan bahwa apabila terjadi peningkatan variabel tenure audit sebesar 1%, maka akan menaikkan audit report lag sebesar

32 4.5 Pengujian Hipotesis 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 Tabel 4.11 Uji Signifikansi Parsial Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. (Constant) SIZE TENURE a. Dependent Variable: ALAG Dari tabel 4.11, hasil pengujian secara parsial menunjukkan bahwa ketiga variabel independen yang diuji, yaitu ukuran perusahaan dan tenure audit tidak berpengaruh signifikan terhadap audit report lag (Y). Hal ini ditunjukkan oleh nilai signifikansi ukuran perusahaan (X1) sebesar yang berarti lebih besar dari 0.05 sehingga tidak berpengaruh signifikan dan tenure audit (X2) sebesar yang berarti lebih besar dari 0.05 sehingga tidak berpengaruh signifikan.

33 4.5.2 Uji Koefisien Determinasi (R²) Uji koefisien determinasi dilakukan dengan tujuan untuk melihat sejauh mana variabel independen mampu menjelaskan variasi variabel dependen. Tabel 4.12 Uji Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate a a. Predictors: (Constant), TENURE, SIZE b. Dependent Variable: ALAG Dari tabel 4.12 dapat dilihat bahwa angka koefisien Adjusted R square bernilai 0,083. Angka ini mengindikasikan bahwa 8,3% variasi atau perubahan dalam audit report lag (Y) mampu dijelaskan oleh ukuran perusahaan (X1) dan tenure audit (X2). Dan sisanya 91,7% 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 ukuran perusahaan (X1) dan tenure audit (X2) tidak berpengaruh signifikan terhadap audit report lag (Y). Hal ini berarti hipotesis pertama dan kedua, yaitu H1 dan H2 tidak dapat diterima.

34 4.7 Analisis Regresi Moderasi Dalam penelitian ini digunakan uji residual, yaitu variabel pemoderasi dapat dikatakan memoderasi antara variabel independen dengan dependen apabila memlliki nilai koefisien negatif dan nilai signifikansinya < Tabel 4.13 Hasil Pengujian Pengaruh Ukuran Perusahaan Terhadap Spesialisasi Industri Auditor Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) SIZE a. Dependent Variable: SPEC Hasil analisis regresi berganda tersebut dapat diformulasikan dalam bentuk persamaan sebagai berikut: SPEC = ALAG + e Hasil regresi tersebut kemudian dilakukan uji residual untuk mengetahui apakah Spesialisasi Industri Auditor (SPEC) merupakan variabel moderating. Uji ini dilakukan dengan menguji pengaruh audit report lag (Y) terhadap nilai absolut residual dari variabel moderating. Hasil statistik uji residual dalam penelitian ini dapat dilihat pada tabel 4.14 berikut ini:

35 Tabel 4.14 Hasil Uji Residual I Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) ALAG a. Dependent Variable: ABS_RES1 Dari tabel 4.14 di atas, maka model uji resiudal dapat diformulasikan ke dalam bentuk persamaan sebagai berikut: e = ALAG + e Berdasarkan hasil uji statistik yang dilakukan diketahui bahwa nilai ALAG bernilai positif (0.02) dan memiliki nilai sig > 0.05 yaitu sebesar Sehingga dapat disimpulkan bahwa SPEC (Z) bukan merupakan variabel pemoderasi yang dapat memoderasi hubungan antara ukuran perusahaan (X1) dan audit report lag (Y). Tabel 4.15 Hasil Pengujian Pengaruh Tenure Audit Terhadap Spesialisasi Industri Auditor Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) TENURE a. Dependent Variable: SPEC

36 Hasil analisis berganda tersebut dapat diformulasikan dalam bentuk persamaan sebagai berikut: SPEC = ALAG + e Hasil regresi tersebut kemudian dilakukan uji residual untuk mengetahui apakah Spesialisasi Industri Auditor (SPEC) merupakan variabel moderating. Uji ini dilakukan dengan menguji pengaruh audit report lag (Y) terhadap nilai absolut residual dari variabel moderating. Hasil statistik uji residual dalam penelitian ini dapat dilihat pada tabel 4.16 berikut ini: Tabel 4.16 Hasil Uji Residual II Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) ALAG a. Dependent Variable: ABS_RES2 Dari tabel di atas, maka model uji resiudal dapat diformulasikan ke dalam bentuk persamaan sebagai berikut: e = ALAG + e Berdasarkan hasil uji statistik yang dilakukan diketahui bahwa nilai ALAG bernilai positif (0.02) dan memiliki nilai sig > 0.05 yaitu sebesar Sehingga dapat disimpulkan bahwa SPEC (Z) bukan merupakan variabel pemoderasi yang dapat memoderasi hubungan antara tenure audit (X2) dan audit report lag (Y).

37 4.8 Hasil Hipotesis Setelah Moderating Hasil hipotesis penelitian setelah moderating ini menyatakan bahwa spesialisasi industri auditor (Z) tidak mampu memoderasi hubungan antara ukuran perusahaan (X1) dan tenure audit (X2) terhadap audit report lag (Y) karena nilai signifikansinya yang di atas Pembahasan Hasil Penelitian Pengaruh Tenure Audit (X1) terhadap Audit Report Lag (Y) Berdasarkan output SPSS, hasil penelitian pada tabel 4.12 menunjukkan bahwa nilai signifikansi ukuran perusahaan tenure audit (X1) terhadap audit report lag (Y) sebesar > 0.05 dan nilai thitung = < nilai ttabel = 1.987, sehingga H1 ditolak yaitu ukuran perusahaan (X1) tidak berpengaruh terhadap audit report lag (Y). Hasil penelitian ini tidak sejalan dengan hasil penelitian Sari dan Ghozali (2014) dengan penelitian yang dilakukan oleh Subekti dan Widiyanti (2004) yang menunjukkan bahwa ukuran perusahaan (X1) berpengaruh terhadap audit report lag (Y). Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Tiono dan JogiC. (2013) serta Lianto dan Kusuma (2010) yang menunjukkan bahwa tidak adanya pengaruh ukuran perusahaan (X1) terhadap audit report lag (Y) Pengaruh Tenure Audit (X2) terhadap Audit Report Lag (Y) Berdasarkan output SPSS, hasil penelitian pada tabel 4.12 menunjukkan bahwa nilai signifikansi tenure audit (X2) terhadap audit report lag (Y) sebesar > 0.05 dan thitung = > nilai ttabel = 1.987,

38 sehingga H2 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 menunjukan adanya pengaruh negatif antara tenure (X2) dengan audit report lag (Y) dan penelitian yang dilakukan oleh Wiguna (2012) yang menunjukkan adanya pengaruh positif tenure audit (X2) terhadap audit report lag (Y). Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Pebriani S. (2016) yang menunjukkan bahwa tenure audit (X2) tidak berpengaruh terhadap audit report lag (Y) Pengaruh Spesialisasi Industri Auditor (Z) sebagai Variabel Moderating dalam memoderasi hubungan antara Ukuran Perusahaan (X1) terhadap Audit Report Lag (Y) Berdasarkan output SPSS, hasil penelitian pada tabel 4.14 menunjukkan bahwa spesialisasi industri auditor (Z) bukan merupakan variabel moderating karena berdasarkan hasil uji statistik yang dilakukan diketahui bahwa nilai ALAG bernilai positif (0.02) dan memiliki nilai sig > 0.05 yaitu sebesar Sehingga dapat disimpulkan bahwa SPEC (Z) bukan merupakan variabel pemoderasi yang dapat memoderasi hubungan antara ukuran perusahaan (X1) dan audit report lag (Y). Hasil penelitian ini mendukung penelitian yang dilakukan oleh Pebriani S. (2016) yang menunjukkan bahwa spesialisasi industri auditor tidak memoderasi hubungan antara ukuran perusahaan (X1) terhadap audit report lag (Y).

39 4.9.4 Pengaruh Spesialisasi Industri Auditor (Z) sebagai Variabel Moderating dalam memoderasi hubungan antara Tenure Audit (X2) terhadap Audit Report Lag (Y) Berdasarkan hasil uji statistik yang dilakukan diketahui bahwa nilai ALAG bernilai positif (0.02) dan memiliki nilai sig > 0.05 yaitu sebesar Sehingga dapat disimpulkan bahwa SPEC (Z) bukan merupakan variabel pemoderasi yang dapat memoderasi hubungan antara tenure audit (X2) dan audit report lag (Y). Hasil penelitian ini mendukung penelitian yang dilakukan oleh Pebriani S. (2016) yang menunjukkan bahwa spesialisasi industri auditor tidak memoderasi hubungan antara tenure audit (X2) terhadap audit report lag (Y).

40 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan perumusan masalah dan hasil penelitian dapat disimpulkan bahwa : 1. Secara parsial variabel ukuran perusahaan dan tenure audit tidak berpengaruh signifikan terhadap audit report lag (Y). Pernyataan ini ditunjukkan oleh nilai signifikansi ukuran perusahaan (SIZE) sebesar > 0.05 dan nilai signifikansi variabel > Spesialisasi industri auditor (Z) tidak mampu menjadi variabel moderating untuk audit report lag (Y). Pernyataan ini ditunjukkan oleh nilai signifikansi di atas 0.05 yaitu dan Keterbatasan Penelitian Keterbatasan penelitian ini adalah sebagai berikut: 1. Hanya menggunakan perusahaan Property dan Real Estate yang terdaftar di Bursa Efek Indonesia sebagai populasi penelitian dan sampel yang diperoleh hanya berjumlah 33 perusahaan sehingga belum dapat mewakili keseluruhan perusahaan yang terdaftar di Bursa Efek Indonesia. 2. Variabel indeenden dalam penelitian ini hanya dibatasi pada ukuran perusahaan dan tenure audit walaupun banyak faktor lain yang mempengaruhi Audit Report Lag.

41 3. Hasil penelitian ini juga belum memberikan hasil yang sesuai dengan hipotesis yang dicantumkan. 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 Property dan Real Estate. 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.

42 3. Bagi para investor Investor disarankan lebih memperhatikan seluruh data keuangan guna membantu dalam membuat pertimbangan dan atau prediksi yang akurat dalam menetapkan keputusan investasi. 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 report lag suatu perusahaan.