Upload
farida-freday
View
64
Download
0
Embed Size (px)
DESCRIPTION
skripsi
Citation preview
BAB IVANALISIS DAN PEMBAHASAN4.1. Statistik DeskriptifJumlah sampel awal adalah 59 perusahaan selama 4 tahun periode penelitian sehingga total sampel menjadi 236 firm years. Namun, hasil analisis data menunjukkan bahwa di antara sampel tersebut terdapat outlier. Outlier adalah kasus atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi. Oleh karena itu dilakukan trimming, yaitu dengan cara mengeluarkan sampel outlier. Sebanyak 9 firm years dikeluarkan sehingga sampel yang digunakan dalam penelitian ini adalah 50 firm years untuk tiap tahun dari tahun 2007 sampai 2010. Tabel 4.1Statistik Deskriptif Keseluruhan Data
NMinimumMaximumMeanStd. Deviation
AUD_LAG20033.0098.0072.695012.57228
SPEC200.001.00.2850.45255
KAP_TEN2001.005.002.31501.10539
PART_TEN2001.003.001.7000.74348
BIG4200.001.00.4850.50103
SIZE20024.562132.357127.7018841.5865719
ROA200-26.2156.9212.245412.80230
DER200-1.768.69.96471.26122
Valid N (listwise)200
Sumber : Hasil Keluaran Program SPSS
Definisi variabel :AUD_LAG = interval jumlah hari antara tanggal laporan keuangan sampai tanggal penandatanganan laporan audit SPEC = diberi angka 1 jika KAP menguasai minimal 30% dari jumlah total aset perusahaan klien,0 jika lainnyaKAP_TEN = jumlah tahun sebuah KAP menjadi auditor perusahaan klienPART_TEN = jumlah tahun seorang partner mengaudit perusahaan klienBIG4 = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika lainnya SIZE = logaritma normal ukuran perusahaan klienROA = Return on Assets yaitu perbandingan laba bersih terhadap total aktivaDER = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaanStatistik deskriptif untuk masing- masing variabel terikat dan variabel bebas dapat dilihat pada Tabel 4.1. Penjelasan untuk hasil penghitungan tersebut adalah sebagai berikut:1. Rata-rata audit lag (AUD_LAG) untuk keseluruhan observasi firm years adalah 72.69 hari dengan deviasi standar 12.57 hari. Audit lag terpendek adalah 33 hari dan audit lag terpanjang adalah 98 hari. Firm years yang memiliki audit lag di atas rata-rata berjumlah 119 firm years atau 60% dari keseluruhan observasi firm years.2. Rata-rata KAP yang memiliki spesialisasi industri (SPEC) untuk keseluruhan observasi firm years adalah 0.28 dengan deviasi standar 0.45. Spesialisasi merupakan dummy variable dimana nilai 1 untuk perusahaan yang diaudit oleh KAP yang memiliki spesialisasi dan nilai 0 untuk perusahaan yang diaudit oleh KAP yang tidak memiliki spesialisasi. Dari keseluruhan observasi firm years terdapat 57 firm years (29% dari total firm years) yang diaudit oleh KAP yang memiliki spesialisasi industri.3. Rata-rata KAP_TEN untuk keseluruhan observasi firm years adalah 2.31 tahun dengan deviasi standar 1.10 tahun. Tenure terpendek adalah 1 tahun dan tenure terpanjang 5 tahun. Firm years dengan KAP tenure di atas rata-rata berjumlah 80 firm years atau 40% dari keseluruhan observasi firm years.4. Rata-rata PART_TEN untuk keseluruhan observasi firm years adalah 1.70 tahun dengan standar 0.74 tahun. Tenure terpendek adalah 1 tahun dan tenure terpanjang 3 tahun. Firm years dengan partner tenure di atas rata-rata berjumlah 105 firm years atau 53% dari keseluruhan observasi firm years.5. Rata-rata ukuran KAP (BIG4) untuk keseluruhan observasi firm years adalah 0.48 dengan deviasi standar 0.50. Ukuran KAP merupakan dummy variable dimana nilai 1 untuk perusahaan yang diaudit oleh KAP Big Four dan nilai 0 untuk perusahaan yang diaudit oleh KAP Non Big Four. Firm years yang diaudit oleh KAP Big Four berjumlah 97 firm years atau 49% dari keseluruhan observasi firm years, sedangkan 103 firm years diaudit oleh KAP Non Big Four.6. Rata-rata ukuran firm years (SIZE) yang diukur dari logaritma normal total aset adalah 27.70 dengan deviasi standar 1.58. Rentang nilai ukuran firm years adalah 24.56 sampai dengan 32.35. Firm years dengan total aset di atas rata-rata berjumlah 84 firm years.7. ROA (Return on Assets) berada dalam rentang -26.21 sampai dengan 56.92. Rata-rata ROA adalah 12.24 dengan deviasi standar 12.80. Dari keseluruhan observasi firm years terdapat 84 firm years memiliki nilai ROA di atas rata-rata.8. DER (Debt to Equity Ratio) berada dalam rentang -1.76 sampai dengan 8.69. Rata-rata DER adalah 0.96 dengan deviasi standar 1.26. Dari keseluruhan observasi firm years terdapat 80 firm years yang memiliki nilai DER di atas rata-rata atau 40% dari jumlah observasi firm years secara keseluruhan.Dengan melihat rata-rata audit lag pada tabel 4.1 sebesar 72.69 hari, dapat disimpulkan bahwa rata-rata perusahaan sampel mampu menyampaikan keuangan secara tepat waktu sesuai ketentuan Badan Pengawas Pasar Modal dan Lembaga Keuangan (Bapepam-LK). Namun, nilai maksimal audit lag sebesar 98 hari menunjukkan masih adanya penyimpangan walau selisihnya tidak terlalu jauh.4.2. Analisis KorelasiAnalisis korelasi merupakan suatu analisis yang termasuk dalam salah satu teknik pengukuran hubungan/asosiasi antara satu variabel dengan variabel lainnya. Analisis korelasi yang akan digunakan dalam penelitian ini adalah dengan menggunakan teknik korelasi Pearson dengan menggunakan SPSS. Hasil dari analisis korelasi Pearson, disajikan dalam tabel 4.2 berikut.Tabel 4.2Korelasi Antarvariabel
SPECKAP_TENPART_TENBIG4SIZEROADERAUD_LAG
AUD_LAGPearson Correlation-.130-.012.026-.197**.041-.138.152*1
Sig. (2-tailed).066.864.719.005.561.052.031
N200200200200200200200200
*. Correlation is significant at the 0.05 level (2-tailed).
** Correlation is significant at the 0.01 level (2-tailed).Sumber : Diringkas dari Hasil Keluaran Program SPSS
Uraian mengenai analisis korelasi lebih lanjut adalah sebagai berikut.1. Spesialisasi KAP (SPEC) berkorelasi negatif dengan audit lag. Perusahaan yang diaudit oleh KAP spesialis memiliki audit lag yang lebih pendek dibandingkan perusahaan yang diaudit KAP non spesialis. Habib and Bhuiyan (2010) menemukan bahwa KAP yang memiliki spesialisasi industri mampu menyelesaikan audit lebih cepat dibandingkan dengan KAP non spesialis karena adanya pengetahuan terkait industri tertentu. Dengan adanya pengetahuan tersebut KAP dapat lebih memahami sistem pelaporan keuangan klien dalam waktu yang relatif lebih cepat.2. KAP tenure (KAP_TEN) berkorelasi negatif dengan audit lag, maka semakin lama tenure suatu KAP semakin pendek audit lag. Ashton et al. (1987), Habib and Bhuiyan (2010) dan Utami (2006) menyatakan bahwa semakin lama menjadi klien KAP (tenure panjang), semakin pendek audit lag. Hal ini dikarenakan KAP tidak perlu lagi memahami karakteristik perusahaan, sistem pengendalian internal perusahaan, dan sebagainya.3. Ukuran KAP (BIG4) berkorelasi negatif dengan audit lag. Hal ini dapat diartikan bahwa perusahaan yang diaudit KAP Big Four memiliki audit lag pendek. Hal ini menunjukkan terdapat efisiensi kerja audit KAP Big Four untuk mengurangi audit lag dan reporting lag sesuai dengan penelitian sebelumnya oleh Ahmad and Kamarudin (2003), Rachmawati (2008), Perdhana (2009) dan Khasharmeh and Aljifri (2010). 4. Profitabilitas (ROA) perusahaan berkorelasi negatif dengan audit lag, semakin tinggi tingkat profitabilitas perusahaan, semakin pendek audit lag perusahaan tersebut. Carslaw and Kaplan (1991) menemukan bahwa profitabilitas perusahaan dianggap sebagai salah satu berita baik bagi pemegang saham sehingga laporan keuangan dengan profitabilitas yang tinggi cenderung lebih cepat diaudit dan dipublikasikan kepada publik. 5. Partner tenure (PART_TEN) berkorelasi positif dengan audit lag, semakin lama tenure seorang partner mengaudit suatu perusahaan akan semakin pendek audit lag perusahaan tersebut. Tanyi et al. (2010) menyatakan bahwa familiaritas antara perusahaan klien dengan partner dapat mengurangi audit lag. Hal ini disebabkan partner belum memperoleh pengetahuan terkait klien yang cukup.6. Ukuran perusahaan (SIZE) berkorelasi positif dengan audit lag, semakin besar ukuran perusahaan akan semakin pendek audit lag perusahaan tersebut. Menurut Owusu-Ansah (2000) perusahaan besar memiliki staf akuntansi yang lebih banyak dan sistem pengolahan data yang lebih baik yang dapat membantu auditor untuk mempercepat proses audit sehingga mengurangi audit lag. 7. Solvabilitas perusahaan (DER) berkorelasi positif dengan audit lag, semakin tinggi solvabilitas maka akan semakin pendek audit lag. Perusahaan dengan tingkat utang yang tinggi cenderung lebih banyak diawasi oleh kreditur dan diharuskan untuk memberikan informasi yang lebih cepat kepada publik (Al-Ajmi, 2008).
4.3. Hasil Uji Asumsi Klasik4.3.1. Uji Normalitas DataPengujian normalitas bertujuan untuk mengetahui apakah variabel dependen dan variabel independen dalam model regresi memiliki distribusi normal. Uji normalitas pada penelitian ini dilakukan dengan metode one-sample Kolmogorov-Smirnov test. Tabel 4.3One-Sample Kolmogorov-Smirnov TestUnstandardized ResidualKeputusan
Asymp. Sig. (2-tailed).113 ( > 0.05)Distribusi normal
Sumber : Keluaran Program SPSSBerdasarkan tabel 4.3 tersebut, nilai Asymp. Sig (2-tailed) menunjukan nilai sebesar 0.113 sehingga dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas karena nilainya lebih besar dari nilai = 0.05. Sedangkan berdasarkan histogram pada gambar 4.1 (lampiran) terlihat bahwa rata-rata residual mendekati 0 dan nilai varian telah mendekati 1. Pola histogram juga membentuk pola distribusi normal membentuk lonceng (bell shaped) sehingga dapat disimpulkan bahwa residual membentuk distribusi normal. Berdasarkan grafik P-P Plot pola sebaran titik data berada di sekitar garis diagonal dan searah dengan garis diagonal tersebut, maka model regresi memnuhi asumsi normalitas.4.3.2. Uji AutokorelasiPengujian autokorelasi bertujuan untuk mengetahui adanya korelasi antara residual factor pada periode t dan periode t-1 dalam model regresi sehingga dapat menyebabkan dua variabel yang tidak berhubungan menjadi berhubungan. Pengujian autokorelasi dalam penelitian ini menggunakan uji Durbin-Watson. Rentang statistik Durbin-Watson untuk menentukan model regresi bebas dari autokorelasi dalam penelitian ini dengan 7 variabel independen dan 200 observasi adalah 1.8413 sampai dengan 2.1587.Tabel 4.4Statistik Durbin-WatsonModelDurbin Watson
11.874
Berdasarkan hasil stastistik Durbin Watson di tabel 4.4, model regresi penelitian ini berada dalam rentang bebas dari autokorelasi.
4.3.3. Uji HeteroskedastisitasUji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi liner terdapat ketidaksamaan varians dari residual factor satu observasi ke observasi yang lain. Pada penelitian ini, heteroskedatisitas diuji dengan menggunakan uji white yang tersedia pada program Eviews.Hipotesis dalam uji- white dapat dinyatakan sebagai berikut:H0 : tidak ada heteroskedastisitas ( varians homoskedatis) H1: ada masalah heteroskedastisitas ( varians heteroskedastis) Tabel 4.5Uji Heterokesdasitas : White
F-statistic0.524241Prob. F(33,166)0.9846
Obs*R-squared18.87612Prob. Chi-Square(33)0.9767
Scaled explained SS23.31946Prob. Chi-Square(33)0.8942
Uji formal White Heteroscedasticity di atas membuktikan bahwa varians data penelitian tidak bersifat heterokedastis, karena dengan = 5% hasilnya signifikan dimana H0 diterima dan H1 ditolak. Dengan perkataan lain tidak ada masalah heteroskedastisitas.4.3.4. Uji MultikolinearitasUji multikolinearitas digunakan untuk mengetahui apakah terjadi korelasi yang kuat di antara variabel-variabel independen yang diikutsertakan dalam pembentukan model. Uji multikolinearitas dilakukan dengan menggunakan nilai Tolerance Value dan VIF (Variance Inflation Factor). Multikolinearitas yang kuat antar independen variabel dalam penelitian terjadi apabila Tolerance Value lebih kecil dari 0.2 dan VIF lebih besar dari 5. Berdasarkan tabel 4.6, hasil perhitungan tolerance value menunjukkan tidak ada variabel independen yang memiliki tolerance value kurang dari 0.2 yang berarti tidak ada korelasi antar variabel independen. Selain itu hasil perhitungan nilai (VIF) juga menunjukkan tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 5. Sehingga dapat disimpulkan bahwa model dari penelitian ini bebas dari masalah multikolinearitas. Tabel 4.6 Statistik Kolinearitas
ModelCollinearity StatisticsKesimpulan
ToleranceVIF
1(Constant)
SPEC.7511.332Tidak ada multikolinearitas
KAP_TEN.8721.146Tidak ada multikolinearitas
PART_TEN.9801.021Tidak ada multikolinearitas
BIG4.7671.305Tidak ada multikolinearitas
SIZE.6781.474Tidak ada multikolinearitas
ROA.8331.200Tidak ada multikolinearitas
DER.9071.103Tidak ada multikolinearitas
Sumber : Keluaran Program SPSSDefinisi variabel :AUD_LAG = interval jumlah hari antara tanggal laporan keuangan sampai tanggal penandatanganan laporan audit SPEC = diberi angka 1 jika KAP menguasai minimal 30% dari jumlah total aset perusahaan klien,0 jika lainnyaKAP_TEN = jumlah tahun sebuah KAP menjadi auditor perusahaan klienPART_TEN = jumlah tahun seorang partner mengaudit perusahaan klienBIG4 = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika lainnyaSIZE = logaritma normal ukuran perusahaan klienROA = Return on Assets yaitu perbandingan laba bersih terhadap total aktivaDER = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaan
4.4. Hasil Uji HipotesisUntuk pengujian hipotesis yang ada, dapat dilakukan dengan menggunakan uji t. Uji t bertujuan untuk menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Berdasarkan hasil pengujian dengan menggunakan analisis regresi linear diperoleh hasil yang ditampilkan di Tabel 4.7.Tabel 4.7Rangkuman Hasil Pengujian HipotesisVariablesPredictionCoefficientStd. Errort-StatisticSig. tPengujian H0
Constanta(+/-)25.84617.8471.448.149**H0 Diterima
SPEC_-5.2632.185-2.408.017**H0 Diterima
KAP_TEN(+/-).149.830.180.857**H0 Ditolak
PART_TEN(+/-).3461.164.297.766**H0 Ditolak
BIG4_-5.6631.953-2.900.004**H0 Diterima
SIZE+1.763.6562.688.008**H0 Diterima
ROA_-.025.073-.343.732**H0 Diterima
DER_1.701.7132.385.018**H0 Ditolak
N=200F=3.333 Sig. F=0.02 Adj. R2=0.076 DW=1.876
** Sig. pada tingkat = 1%; * Sig. pada tingkat = 5%Sumber : Diringkas dari Hasil Keluaran Program SPSSDefinisi variabel :AUD_LAG = interval jumlah hari antara tanggal laporan keuangan sampai tanggal penandatanganan laporan audit SPEC = diberi angka 1 jika KAP menguasai minimal 30% dari jumlah total aset perusahaan klien,0 sebaliknya.KAP_TEN = jumlah tahun sebuah KAP menjadi auditor perusahaan klienPART_TEN = jumlah tahun seorang partner mengaudit perusahaan klienBIG4 = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika sebaliknya SIZE = logaritma normal ukuran perusahaan klienROA = Return on Assets yaitu perbandingan laba bersih terhadap total aktivaDER = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaanPersamaan regresi yang digunakan untuk mengintepretasikan hasil penelitian ini adalah sebagai berikut :AUD_LAG = 0 SPEC+1 KAP_TEN+ 2 PART_TEN+3 BIG4+3 SIZE+4 ROA+5 DER (5)Berdasarkan tabel 4.10, maka persamaan penelitian mengenai pengaruh kualitas audit yang diukur dengan KAP yang memiliki spesialisasi industri, KAP tenure, partner tenure dan ukuran KAP terhadap lamanya audit lag menjadi :AUD_LAG = 25.8465.623 SPEC+0.149 KAP_TEN+0.346 PART_TEN5.663 BIG4+1.763 SIZE0.25ROA+1.701DER (6)Definisi variabel :AUD_LAG = interval jumlah hari antara tanggal laporan keuangan sampai tanggal penandatanganan laporan audit SPEC = diberi angka 1 jika KAP menguasai minimal 30% dari jumlah total aset perusahaan klien,0 jika lainnyaKAP_TEN = jumlah tahun sebuah KAP menjadi auditor perusahaan klienPART_TEN = jumlah tahun seorang partner mengaudit perusahaan klienBIG4 = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika lainnyaSIZE = logaritma normal ukuran perusahaan klienROA = Return on Assets yaitu perbandingan laba bersih terhadap total aktivaDER = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaan
Berdasarkan tabel 4.7 di atas diperoleh hasil uji signifikan variabel independen dapat mempengaruhi variabel dependen secara signifikan. Dari uji ANOVA atau F test didapat nilai F sebesar 3.333 dengan probabilitas 0.002. Probabilitas lebih kecil dari batas nilai signifikan secara statistik ( = 0.05), maka model regresi dapat dikatakan bahwa variabel independen seperti KAP yang memiliki spesialisasi industri, KAP tenure, partner tenure, ukuran KAP, ukuran perusahaan, ROA dan DER secara bersama-sama berpengaruh terhadap lamanya audit lag. Dengan kata lain seluruh variabel independen dapat digunakan secara bersama-sama dalam melihat dan menjelaskan lamanya audit lag. Nilai R2 pada tabel 4.10 adalah 0.076. Hal ini berarti seluruh variabel independen dalam model regresi mampu menjelaskan variasi dari audit lag sebesar 7.6% sementara sisanya dijelaskan oleh faktor-faktor lain yang tidak diikutsertakan dalam model regresi tersebut.Berdasarkan tabel 4.7 di atas, maka nilai t dan probabilitas dapat diinterpretasikan sebagai berikut:1. Variabel KAP yang memiliki spesialisasi industri (SPEC) memiliki pengaruh negatif pada tingkat = 5% terhadap audit lag dengan 1 sebesar -5.263 dan probabilitas 0.017 kurang dari = 0.05. Hasil ini konsisten dengan hasil penelitian Habib and Bhuiyan (2010) dan menguatkan bukti bahwa KAP yang memiliki spesialisasi industri mampu menyelesaikan audit lebih cepat dibandingkan dengan KAP non spesialis karena adanya pengetahuan terkait industri tertentu. Dengan adanya pengetahuan tersebut KAP dapat lebih memahami sistem pelaporan keuangan klien dan menyelesaikan isu-isu akuntansi yang kompleks dalam waktu yang relatif lebih cepat. Dengan demikian Hipotesis 3 yang menyatakan bahwa perusahaan yang diaudit oleh KAP spesialis memiliki audit lag yang lebih pendek dibandingkan perusahaan yang diaudit KAP non spesialis dapat diterima.2. Variabel KAP tenure (KAP_TEN) tidak berpengaruh terhadap audit lag dengan 1 sebesar 0.149 dan probabilitas 0.857 melebihi nilai = 0.05. Hasil ini berlawanan dengan hasil penelitian Halim (2000) dan Chi et al. (2004) yang menemukan hubungan positif antara KAP tenure dan audit lag. Hasil ini juga tidak konsisten dengan hasil penelitian Ashton et al. (1987), Habib and Bhuiyan (2010) dan Utami (2006) yang menemukan hubungan negatif antara KAP tenure dan audit lag. Kondisi ini terjadi karena KAP tenure berhubungan dengan rotasi KAP yang harus dilakukan ketika KAP tenure mencapai 6 tahun (PMK No.17/PMK.01/2008). Namun berdasarkan analisis data diperoleh bukti bahwa rotasi yang dilakukan adalah rotasi semu. Rotasi semu terjadi ketika KAP lama tetap mengaudit perusahaan walau tenure sudah mencapai 6 tahun. Strategi KAP untuk tetap dapat mematuhi peraturan rotasi adalah dengan mengganti nama persekutuan KAP, sehingga dianggap sebagai entitas KAP yang baru. Tindakan tersebut menyebabkan tidak diperoleh bukti adanya pengaruh antara KAP tenure dan audit lag. Dengan demikian, Hipotesis 4a yang menyatakan bahwa KAP tenure berpengaruh terhadap audit lag ditolak. 3. Variabel partner tenure (PART_TEN) tidak memiliki pengaruh terhadap audit lag dengan 1 sebesar 0.446 dan probabilitas 0.766 melebihi nilai = 0.05.Hasil ini tidak sesuai dengan hasil penelitian Tanyi et al. (2010) yang menyatakan bahwa familiaritas antara perusahaan klien dengan partner dapat mengurangi audit lag. Kondisi ini terjadi karena partner tenure berhubungan dengan rotasi partner yang harus dilakukan ketika partner sudah mengaudit perusahaan selama 3 tahun. Namun berdasarkan analisis data diperoleh bukti bahwa rotasi yang dilakukan adalah rotasi semu. Rotasi semu terjadi ketika partner lama tetap mengaudit perusahaan walau tenure sudah mencapai 3 tahun. Strategi KAP untuk tetap dapat mematuhi peraturan rotasi adalah dengan membentuk tim audit baru, namun partner lama tetap terlibat dalam proses audit. Sedangkan penandatangan laporan audit adalah partner baru sesuai dengan PMK No.17/PMK.01/2008. Tindakan tersebut menyebabkan tidak diperoleh bukti adanya pengaruh antara partner tenure dan audit lag. Dengan demikian, Hipotesis 4b yang menyatakan bahwa partner tenure berpengaruh terhadap audit lag ditolak.4. Variabel ukuran KAP (BIG4) memiliki pengaruh negatif pada tingkat = 1% terhadap audit lag dengan 1 sebesar -5.663 dan probabilitas 0.004 kurang dari = 0.05. Hasil ini sesuai dengan hasil-hasil penelitian yang dilakukan oleh Ahmad and Kamarudin (2003), Ponte et al. (2005), Rachmawati (2008) dan Perdana (2009). Hipotesis penelitian yang menyatakan bahwa perusahaan yang diaudit oleh KAP Big Four memiliki audit lag yang lebih pendek dibandingkan perusahaan yang diaudit oleh KAP Non Big Four dapat dibuktikan, sehingga Hipotesis 5 diterima. 5. Variabel SIZE berpengaruh positif pada tingkat = 1% terhadap audit lag dengan 1 sebesar 1.763 dan probabilitas 0.008 kurang dari = 0.05. Bukti ini konsisten dengan hasil penelitian Merdekawati (2010) dan menguatkan argumen Abdulla (1996) bahwa sumber daya finansial yang tinggi dalam perusahaan besar tidak cukup untuk dapat memproses informasi dengan lebih cepat. Hal ini dikarenakan adanya kompleksitas yang lebih tinggi dalam perusahaan besar.6. Variabel ROA tidak memiliki pengaruh terhadap audit lag dengan 1 sebesar -0.25 dan probabilitas 0.732 lebih dari = 0.05. Hasil ini sesuai dengan penelitian Abdulla (1996), Rachmawati (2008) dan Merdekawati (2010) yang tidak berhasil membuktikan pengaruh profitabilitas terhadap audit lag. Profitabilitas yang tinggi dapat menjadi objek audit yang lama karena profit termasuk salah satu akun yang cenderung overstated atau dibesar-besarkan nilainya oleh perusahaan klien (Elder et al. 2008). Hal ini dapat menyebabkan KAP menekankan prosedur audit untuk pemeriksaan laba pada perusahaan dengan profitabilitas yang tinggi. 7. Variabel DER berpengaruh positif pada tingkat = 5% terhadap audit lag dengan 1 sebesar 1.701 dan probabilitas 0.018 lebih dari = 0.05. Hasil ini sesuai dengan hasil penelitian Carslaw and Kaplan (1991) dimana proporsi utang terhadap total aset yang tinggi akan mempengaruhi likuiditas yang terkait dengan masalah kelangsungan hidup perusahaan (going concern), yang pada akhirnya memerlukan kecermatan yang lebih dalam pengauditan. Namun, hasil ini tidak sesuai dengan penelitian sebelumnya oleh Abdulla (1996) dan Khasaharmeh dan Aljifri (2010).4.5. Pengujian Sensitifitas Uji sensitivitas dilakukan untuk dua hal. Pertama yaitu pada penggunaan nilai penjualan saat menghitung pangsa pasar untuk penentuan tingkat spesialisasi. Kedua, dilakukan pengujian sensitivitas pada penggunaan ambang batas penentuan spesialisasi KAP. Jika pada pengujian sebelumnya, menggunakan pengukuran pangsa pasar menggunakan total aset, maka pengujian selanjutnya menggunakan penjualan klien. Mengikuti Habib and Bhuiyan (2010), rumus untuk menghitung pangsa pasar berdasarkan penjualan klien adalah sebagai berikut:ik(7)Dengan jumlah observasi sama yaitu 200 firm years, dihasilkan nilai F-statistik signifikan 3.249 dan adjusted R2sebesar 7.3%. Dari uji t didapatkan hasil 1 -4.976 dengan probabilitas 0.023 dibawah nilai = 0.05. Hasil ini menunjukkan bahwa hasil penelitian ini kuat, walaupun menggunakan alternatif pengujian tetap memberikan hasil yang tidak jauh berbeda. Jika pada pengujian sebelumnya, menggunakan pengukuran variabel SPEC sebesar 30 persen, maka pengujian sensitifitas variabel SPEC kini menggunakan ambang batas 15 persen mengikuti Khrisnan (2003). Pengujian dilakukan baik untuk pangsa pasar yang diukur dari total aset maupun nilai penjualan. Hasil pengujian menunjukkan bahwa tidak ada perbedaan signifikan dengan penggunaan ambang batas 15%. Rangkuman hasil pengujian terdapat di Tabel 4.8. Hasil pengujian menunjukkan bahwa untuk pangsa pasar yang diukur dengan total aset dengan ambang batas 15% menghasilkan nilai F-statistik signifikan 3.656 dan nilai adjusted R2 sebesar 8.5%. Selain itu, pengujian juga menghasilkan 1 sebesar -6.120 dengan probabilitas 0.006 kurang dari nilai = 0.05. Dari hasil tersebut dapat disimpulkan bahwa terjadi hubungan negatif signifikan antara spesialisasi yang diukur dengan total aset dengan ambang batas 15%.Untuk pangsa pasar yang diukur dengan nilai penjualan dengan ambang batas 15% menunjukkan nilai F-statistik signifikan 4.007, adjusted R2 sebesar 9.6%. Selain itu hasil pengujian juga menunjukkan nilai 1 sebesar -6.791 dengan probabilitas 0.002 kurang dari nilai = 0.05. Dari hasil tersebut dapat disimpulkan bahwa terjadi hubungan negatif signifikan antara spesialisasi yang diukur dengan total penjualan dengan ambang batas 15% .Tabel 4.8Tabel Summary Pengujian Sensitifitas
Definisi variabel :AUD_LAG = interval jumlah hari antara tanggal laporan keuangan sampai tanggal penandatanganan laporan audit SPEC = diberi angka 1 jika KAP menguasai minimal 30% dari jumlah total aset perusahaan klien,0 jika lainnyaKAP_TEN = jumlah tahun sebuah KAP menjadi auditor perusahaan klienPART_TEN = jumlah tahun seorang partner mengaudit perusahaan klienBIG4 = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika lainnya SIZE = logaritma normal ukuran perusahaan klienROA = Return on Assets yaitu perbandingan laba bersih terhadap total aktivaDER = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaan
BAB VSIMPULAN, KETERBATASAN DAN SARAN5.1. SimpulanTujuan penelitian ini adalah untuk memperoleh bukti empiris mengenai pengaruh kualitas audit yang diukur dari spesialisasi KAP, KAP tenure, partner tenure dan ukuran KAP terhadap audit lag perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI). Hasil pengujian regresi terhadap model penelitian adalah sebagai berikut:1. Spesialisasi KAP berpengaruh negatif pada tingkat = 5% (sig. t = 0.017) terhadap audit lag. Hasil ini konsisten dengan hasil penelitian Habib and Bhuiyan (2010) yang menyatakan bahwa berusahaan yang diaudit oleh KAP yang memiliki spesialisasi industri memiliki audit lag yang cenderung lebih pendek. KAP yang memiliki spesialisasi industri mampu menyelesaikan audit lebih cepat dibandingkan dengan KAP non spesialis karena adanya pengetahuan terkait industri tertentu.2. Variabel ukuran KAP memiliki pengaruh negatif pada tingkat = 1% (sig.t = 0.04) terhadap audit lag. Hasil ini konsisten dengan hasil-hasil penelitian yang dilakukan oleh Ahmad and Kamarudin (2003), Ponte, et al. (2005), Rachmawati (2008) dan Perdana (2009). 3. Ukuran perusahaan berpengaruh positif pada tingkat = 1% (sig. t = 0.008) terhadap audit lag, semakin besar ukuran perusahaan, semakin panjang audit lag perusahaan tersebut. Hal ini konsisten dengan hasil penelitian Merdekawati (2010). Bukti ini dapat memperkuat argumen Abdulla (1996) bahwa sumber daya finansial yang tinggi dalam perusahaan besar tidak cukup untuk dapat memproses informasi dengan lebih cepat.4. Rasio utang, yang diukur dengan DER, memiliki pengaruh positif pada tingkat = 5% (sig. t = 0.018) terhadap audit lag. Semakin tinggi nilai DER, semakin lama audit lag perusahaan tersebut. Hasil ini sesuai dengan hasil penelitian Carslaw and Kaplan (1991) dimana proporsi utang terhadap total aset yang tinggi akan mempengaruhi likuiditas yang terkait dengan masalah kelangsungan hidup perusahaan (going concern), yang pada akhirnya memerlukan kecermatan yang lebih dalam pengauditan.5. Belum ditemukan bukti adanya pengaruh antara KAP tenure dan partner tenure terhadap audit lag. Hal ini disebabkan karena adanya hubungan antara KAP tenure dan partner tenure dengan rotasi KAP dan partner yang dalam prakteknya masih bersifat semu. Selain itu pengukuran tenure tidak dari awal penugasan sehingga belum dapat menjelaskan pengaruh KAP tenure dan partner tenure terhadap audit lag.6. Belum ditemukan bukti adanya pengaruh tingkat profitabilitas yang diukur dengan Return on Assets (ROA) terhadap audit lag. Hasil ini sesuai dengan penelitian Abdulla (1996), Rachmawati (2008) dan Merdekawati (2010) yang tidak berhasil membuktikan pengaruh profitabilitas terhadap audit lag.5.2. KeterbatasanKeterbatasan penelitian ini yaitu pengukuran KAP tenure dan partner tenure yang dihitung dari tahun 2006 bukan dari awal penugasan di perusahaan klien. Hal ini menyebabkan hasil penelitian belum dapat menjelaskan hubungan yang lebih tepat antara KAP tenure dan partner tenure dengan audit lag.5.3. SaranMelihat keterbatasan penelitian sebagaimana dijelaskan di atas, penelitian ini belum sempurna. Oleh karena itu, saran-saran perbaikan yang dapat dilakukan untuk penelitian selanjutnya mengenai pengaruh spesialisasi KAP, KAP tenure, partner tenure dan ukuran KAP terhadap audit lag antara lain:1. Mengukur KAP tenure dan partner tenure dari awal penugasan ke perusahaan klien agar dapat lebih tepat dalam melihat pengaruh KAP tenure dan partner tenure terhadap audit lag.2. Dalam penelitian selanjutya hendaknya menggunakan variabel lain yang memiliki pengaruh terhadap audit lag seperti faktor pengendalian internal, pergantian auditor. Penambahan variabel perlu dilakukan karena dalam penelitian ini variabel tersebut belum digunakan dan setelah analisis hasil penelitian baru terdapat dugaan ada variabel lain yang memiliki pengaruh terhadap audit lag seperti kualitas pengendalian internal dan rotasi KAP. Kualitas pengendalian internal yang kuat dapat membantu auditor mempercepat proses audit sehingga audit lag semakin pendek. Sedangkan rotasi KAP akan memperpanjang audit lag karena KAP baru membutuhkan waktu untuk memahami industri perusahaan klien.3. Menggunakan proksi kualitas audit yang lain misalnya client importance, fee audit dan jam kerja auditor. Diharapkan denggan penggunaan proksi yang lain dapat lebih menjelaskan pengaruh kualitas audit terhadap audit lag.4. Periode sampel yang digunakan dalam penelitian ini sebaiknya meliputi periode yang lebih lama dari empat tahun. Hal ini bertujuan agar penelitian dapat mengikutsertakan sampel yang lebih banyak sehingga hasil penelitian dapat lebih mampu menjelaskan pengaruh spesialisasi KAP, KAP tenure, partner tenure dan ukuran KAP terhadap audit lag.
Lampiran 2 Hasil Statistik Pengujian Utama1. Statistik Deskriptif
NMinimumMaximumMeanStd. Deviation
AUD_LAG20033.0098.0072.695012.57228
SPEC200.001.00.2850.45255
KAP_TEN2001.005.002.31501.10539
PART_TEN2001.003.001.7000.74348
BIG4200.001.00.4850.50103
SIZE20024.562132.357127.7018841.5865719
ROA200-26.2156.9212.245412.80230
DER200-1.768.69.96471.26122
Valid N (listwise)200
2. Uji NormalitasOne-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N200
Normal Parametersa,,bMean.0000000
Std. Deviation11.87173800
Most Extreme DifferencesAbsolute.085
Positive.052
Negative-.085
Kolmogorov-Smirnov Z1.199
Asymp. Sig. (2-tailed).113
a. Test distribution is Normal.
b. Calculated from data.
3. Uji AutokorelasiModel Summaryb
ModelRR SquareAdj. R SquareStd. Error of the EstimateDurbin-Watson
1.329a.108.07612.086211.874
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size
b. Dependent Variable: lag
4. Uji Multikolinearitas
ModelCollinearity StatisticsKesimpulan
ToleranceVIF
1(Constant)
SPEC.7511.332Tidak ada multikolinearitas
KAP_TEN.8721.146Tidak ada multikolinearitas
PART_TEN.9801.021Tidak ada multikolinearitas
BIG4.7671.305Tidak ada multikolinearitas
SIZE.6781.474Tidak ada multikolinearitas
ROA.8331.200Tidak ada multikolinearitas
DER.9071.103Tidak ada multikolinearitas
5. Uji Heterokedastisitas
F-statistic0.524241Prob. F(33,166)0.9846
Obs*R-squared18.87612Prob. Chi-Square(33)0.9767
Scaled explained SS23.31946Prob. Chi-Square(33)0.8942
6. Model SummaryModel Summaryb
ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
1.329a.108.07612.086211.874
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size
b. Dependent Variable: lag
7. ANOVA
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression3407.7017486.8143.333.002a
Residual28046.694192146.077
Total31454.395199
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size
b. Dependent Variable: lag
8. Uji t
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)25.84617.8471.448.149
spec-5.2632.185-.189-2.408.017
kap.149.830.013.180.857
part.3461.164.020.297.766
big4-5.6631.953-.226-2.900.004
size1.763.656.2222.688.008
roa-.025.073-.026-.343.732
der1.701.713.1712.385.018
9. Normal P-P Plot
10. Residual StatisticsResiduals Statisticsa
MinimumMaximumMeanStd. DeviationN
Predicted Value61.135886.314572.69504.13813200
Std. Predicted Value-2.7933.291.0001.000200
Standard Error of Predicted Value1.3525.4262.345.587200
Adjusted Predicted Value61.607687.970072.68224.22979200
Residual-41.7359424.70208.0000011.87174200
Std. Residual-3.4532.044.000.982200
Stud. Residual-3.4942.084.0011.001200
Deleted Residual-42.7228025.69491.0128412.32745200
Stud. Deleted Residual-3.6012.103-.0021.008200
Mahal. Distance1.49639.1066.9654.523200
Cook's Distance.000.051.005.008200
Centered Leverage Value.008.197.035.023200
a. Dependent Variable: lag
11. Histogram
Lampiran 3 Hasil Statistik Pengujian Sensitifitas1. Spesialisasi KAP yang diukur dari Total Aset dengan Ambang Batas 15%1.1 Statistik DeskriptifDescriptive Statistics
NMinimumMaximumMeanStd. Deviation
StatisticStatisticStatisticStatisticStatistic
lag20033.0098.0072.695012.57228
spec200.001.00.3450.47656
kap2001.005.002.31501.10539
part2001.003.001.7000.74348
big4200.001.00.4850.50103
size20024.562132.357127.7018841.5865719
roa200-26.2156.9212.245412.80230
der200-1.768.69.96471.26122
Valid N (listwise)200
1.2 Hasil Uji R2 (Koefisien Determinasi)Model Summaryb
ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
1.343a.118.08512.023251.856
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size
b. Dependent Variable: lag
1.3 Hasil Uji FANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression3699.1447528.4493.656.001a
Residual27755.251192144.559
Total31454.395199
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size
b. Dependent Variable: lag
1.4 Hasil Uji t
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)17.71618.627.951.343
spec-6.1202.180-.232-2.807.006
kap.068.828.006.082.935
part.5621.160.033.484.629
big4-5.6571.943-.225-2.912.004
size2.069.686.2613.014.003
roa-.021.073-.021-.284.777
der1.711.710.1722.410.017
2. Spesialisasi KAP yang diukur dari Total Penjualan dengan Ambang Batas 30%2.1 Statistik DeskriptifDescriptive Statistics
NMinimumMaximumMeanStd. Deviation
lag20033.0098.0072.695012.57228
spec200.001.00.2850.45255
kap2001.005.002.31501.10539
Part2001.003.001.7000.74348
big4200.001.00.4850.50103
Size20024.562132.357127.7018841.5865719
Roa200-26.2156.9212.245412.80230
Der200-1.768.69.96471.26122
Valid N (listwise)200
2.2 Hasil Uji R2 (Koefisien Determinasi)Model Summaryb
ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
1.325a.106.07312.102761.881
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size
b. Dependent Variable: lag
2.3 Hasil Uji FANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression3330.8487475.8353.249.003a
Residual28123.547192146.477
Total31454.395199
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size
b. Dependent Variable: lag
2.4 Hasil Uji t
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)27.18317.7841.529.128
Spec-4.9762.170-.179-2.294.023
Kap.177.830.016.213.832
Part.4801.167.028.411.681
big4-5.6911.956-.227-2.910.004
Size1.701.651.2152.612.010
Roa-.023.073-.023-.308.758
Der1.690.714.1692.365.019
3. Spesialisasi KAP yang diukur dari Total Penjualan dengan Ambang Batas 15%
3.1 Statistik DeskriptifDescriptive Statistics
NMinimumMaximumMeanStd. Deviation
Lag20033.0098.0072.695012.57228
Spec200.001.00.3550.47971
Kap2001.005.002.31501.10539
Part2001.003.001.7000.74348
big4200.001.00.4850.50103
Size20024.562132.357127.7018841.5865719
Roa200-26.2156.9212.245412.80230
Der200-1.768.69.96471.26122
Valid N (listwise)200
3.2 Hasil Uji R2 (Koefisien Determinasi)
Model Summaryb
ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
1.357a.127.09611.955801.869
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size
b. Dependent Variable: lag
3.3 Hasil Uji F
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression4009.6737572.8104.007.000a
Residual27444.722192142.941
Total31454.395199
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size
b. Dependent Variable: lag
3.4 Hasil Uji t
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)15.62118.306.853.395
spec-6.7912.133-.259-3.184.002
kap.028.823.002.034.973
part.6161.154.036.534.594
big4-5.4451.935-.217-2.814.005
size2.151.674.2713.193.002
roa-.022.073-.022-.297.767
der1.746.706.1752.472.014
a. Dependent Variable: lag
27
54
Sheet1Koefisien Estimasi (t-stat)Pengujian UtamaPengujian SensitifitasVariabelPrediksiSales (30%)Assets (15%)Sales (15%)Constanta(+/-).1490.128.343.0395SPEC-.017*.023*.006*.002*KAP_PART(+/-).857.832.935.973PART_TEN(+/-).766.681.629.594BIG4-.004**.004**.004**.005**SIZE+.008**.010**.003**.002**ROA-.732.758.777.767DER-.018*.019*.017*.014*F Value3.3333.2493.6564.007Adjusted R20.0760.0730.0850.096N200200200200* signifikan pada tingkat keyakinan 5%** signifikan pada tingkat keyakinan 1%