33 BAB III METODE PENELITIAN 3.1 Populasi dan Sampel Populasi dalam penelitian ini adalah seluruh perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia (BEI). Sampel yang diambil yaitu perusahaan pertambangan di Indonesia selama periode 1 Januari 2011 sampai dengan 31 Desember 2014 yang listing di BEI. Sektor pertambangan dipilih karena sektor tersebut masih belum mendukung pertumbuhan perekonomian Indonesia pada kuartal III-2015 yakni mengalami kontraksi sebesar 5,64% akibat pengaruh harga komoditas global. Sebelumnya juga terjadi penurunan harga saham perusahaan pada sektor pertambangan yang juga tidak terlepas dari penurunan harga-harga komoditas pertambangan di pasar internasional. Sejak awal tahun 2012, komoditas pertambangan seperti aluminium, nikel, dan timah putih menunjukkan penurunan yang cukup signifikan (Tandjung, 2012). Sektor pertambangan memiliki tingkat risiko yang tinggi diantaranya risiko fluktuasi harga komoditas barang tambang di pasar komoditas dunia, serta risiko dalam kegiatan eksplorasi yang dilakukan perusahaan pertambangan yang dapat mengakibatkan perusahaan pertambangan menderita kerugian. Sampel penelitian dipilih dengan pendekatan purposive sampling. Purposive sampling adalah sebuah teknik untuk menentukan data sampel dengan cara menetapkan kriteria tertentu. Kriteria yang ditetapkan dalam penelitian ini adalah sebagai berikut :
34 1. Perusahaan pertambangan yang terdaftar di BEI dari tahun 2011 sampai dengan 2014. 2. Perusahaan pertambangan yang tidak delisting di BEI selama 2011 sampai dengan 2014. 3. Perusahaan pertambangan yang mempublikasikan laporan tahunan dan laporan keuangan yang telah diaudit oleh auditor independen selama 2011 sampai dengan 2014. 3.2 Sumber Data dan Teknik Pengumpulan Data Data yang digunakan dalam penelitian ini merupakan data sekunder. Data yang diperlukan adalah laporan tahunan dan laporan auditor independen atas laporan keuangan selama 2011-2014 dalam situs resmi BEI yaitu www.idx.co.id dan tersedia di database Pojok BEI Universitas Islam Indonesia. Teknik pengumpulan data yang digunakan adalah teknik dokumentasi dari data-data yang dipublikasikan oleh perusahaan mengenai laporan keuangan perusahaan dari Bursa Efek Indonesia (BEI) 3.3 Definisi dan Pengukuran Variabel Penelitian Variabel dependen dalam penelitian ini adalah opini audit going concern yang merupakan opini audit yang diberikan auditor bila terdapat keraguan atas kemampuan going concern perusahaan atau terdapat ketidakpastian yang signifikan atas kelangsungan hidup perusahaan dalam menjalankan operasinya. Variabel ini merupakan variabel dummy yang akan bernilai 1 bila perusahaan
35 menerima Going Concern Audit Opinion (GCAO) dan bernilai 0 bila menerima opini Non Going Concern Audit Opinion (NGCAO). Variabel Independen dalam penelitian ini adalah : Debt Default Debt default adalah kegagalan perusahaan dalam memenuhi kewajiban hutangnya atau bunganya pada waktu jatuh tempo. Ketika jumlah hutang perusahaan sudah sangat besar, maka aliran kas perusahaan akan banyak dialokasikan untuk menutupi hutangnya, sehingga akan mengganggu kelangsungan hidup operasional perusahaan. Debt default diukur menggunakan dummy digunakan (1 = status debt default, 0 = tidak debt default). Status debt default dapat dilihat pada laporan audit atas laporan keuangan. Pertumbuhan Perusahaan Pertumbuhan perusahaan merupakan indikator seberapa baik perusahaan mempertahankan posisi ekonominya dalam industri maupun kegiatan ekonomi secara keseluruhan. Penelitian ini, variabel pertumbuhan perusahaan diproksikan dengan menggunakan rasio pertumbuhan laba (Alichia, 2013). Maka rasio pertumbuhan laba adalah sebagai berikut: Pertumbuhan = Laba bersih t Laba bersih t-1 Laba bersih t-1 Dimana : Laba bersih t = Laba bersih tahun sekarang Laba bersih t-1 = Laba bersih tahun lalu
36 Opini Audit Sebelumnya Opini audit sebelumnya adalah opini yang diterima perusahaan pada tahun sebelumnya. Auditee yang menerima opini audit going concern pada tahun sebelumnya akan dianggap memiliki masalah kelangsungan hidupnya, sehingga semakin besar kemungkinan bagi auditor untuk mengeluarkan opini audit going concern pada tahun berjalan. Variabel ini menggunakan variabel dummy, 1 jika opini audit tahun sebelumnya adalah opini going concern dan 0 jika opini non going concern. 3.4 Metode Analisis Data 3.4.1 Analisis Statistik Deskriptif Statistik deskripstif adalah deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness (kemencengan distribusi) (Ghozali, 2009). Standar deviasi, nilai maksimum, dan nilai minimum menggambarkan persebaran data. Data yang memiliki standar deviasi yang semakin besar menggambarkan data tersebut semakin menyebar. Standar deviasi, nilai maksimum, dan nilai minimum menggambarkan persebaran variabel yang bersifat metrik, sedangkan variabel non-metrik digambarkan dengan distribusi frekuensi variabel. 3.4.2 Uji Hipotesis Analisis data dalam penelitian ini dilakukan dengan menggunakan regresi logistik. Regresi logistik adalah regresi yang digunakan untuk menguji
37 sejauhmana probabilitas terjadinya variabel dependen dapat diprediksi dengan variabel independen. Pada analisis regresi logistik tidak memerlukan lagi uji normalitas, heteroskedastisitas, dan uji asumsi klasik pada variabel bebasnya (Ghozali, 2009). Hal ini karena regresi logistik adalah regresi dimana variabel terikatnya adalah variabel dummy. Analisis regresi logistik dilakukan dengan menggunakan bantuan program Statistical Package for Social Science (SPSS) 16.0 for Windows. Model regresi logistik yang digunakan dalam penelitian ini ditunjukkan dalam persamaan berikut. GC Ln = α + β1 PP + β2 DD + β3 OPINI + e 1-GC Keterangan : Ln GC 1-GC = Dummy variabel opini audit (kategori 1 untuk perusahaan dengan opini audit going concern opinion (GCAO) dan 0 untuk perusahaan dengan opini audit non going concern opinion α = Konstanta PP = Pertumbuhan Perusahaan OPINI = Opini audit tahun sebelumnya e = Error Term β1 β2 β3 = Koefisien regresi variabel independen
38 Tahapan dalam pengujian dengan menggunakan regresi logistik dapat dijelaskan sebagai berikut. 1. Menilai kelayakan model regresi Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow s Goodness of Fit Test. 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 statistik Hosmer and Lemeshow s Goodness of Fit Test 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 model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik 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, 2009). H0 : Model yang dihipotesiskan fit dengan data H1 : Model yang dihipotesiskan tidak fit dengan data 2. Menilai keseluruhan model (overall model fit) Untuk menilai keseluruhan model (overall model fit) ditunjukkan dengan Log likehood value yaitu dengan membandingkan antara -2
39 Log Likehood pada saat model hanya memasukkan konstanta dengan nilai -2 Log Likehood (block number = 0) dengan pada saat model memasukkan konstanta dan variabel bebas (block number 1). Apabila nilai -2 Log Likehood (Block Number = 0) > nilai -2 Log Likehood (Block Number = 1), maka keseluruhan model menunjukkan model regresi yang baik. Penurunan Log Likehood menunjukkan model semakin baik (Ghozali, 2009). 3. Koefisien determinasi (Nagelkerke R square) Nagelkerke R square merupakan pengujian yang dilakukan untuk mengetahui seberapa besar variabel independen mampu menjelaskan dan mempengaruhi variabel dependen. Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan dengan nilai Nagelkerke R square. Nilai Nagelkerke R square menunjukkan variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen, sedangkan sisanya dijelaskan oleh variabelvariabel lain di luar model penelitian (Ghozali, 2009). 4. Tabel klasifikasi Tabel klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan terjadinya variabel terikat. Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan terjadinya variabel terikat dinyatakan dalam persen.
40 5. Model regresi logistik yang terbentuk dan pengujian hipotesis Estimasi parameter dari model dapat dilihat pada output Variable in the Equation. Output Variable in the Equation menunjukkan nilai koefisien regresi dan tingkat signifikansinya. Koefisien regresi dari tiap variabel-variabel yang diuji menunjukkan bentuk hubungan antar variabel. Pengujian hipotesis dalam penelitian ini merupakan uji satu sisi yang dilakukan dengan cara membandingkan antara tingkat signifikansi (sig) dengan tingkat kesalahan (α) = 5%. Apabila sig < α maka dapat dikatakan variabel bebas berpengaruh signifikan pada variabel terikat.