BAB 4 ANALISIS DATA DAN PEMBAHASAN 4.1. Hasil Pengumpulan Sampel Sampel dalam penelitian ini ditentukan berdasarkan purposive sampling atau teknik dalam menentukan sampel berdasarkan kriteria yang telah ditentukan persyaratannya sehingga mendapatkan sampel yang dapat diukur dengan handal dan merepresentasikan hasil dari penelitian. Penelitian ini berfokus pada daerah kabupaten/ kota di wilayah Indonesia Timur dikarenakan, pertama kabupaten/ kota di wilayah Indonesia Timur menurut BPK RI yaitu kecuali kabupaten/ kota yang berada di pulau Sumatra dan Jawa, dianggap telah mewakili Indonesia bagian barat, tengah, dan timur serta memiliki karakteristik yang hampir sama. Kedua, tahun 2014 merupakan data periode terbaru. Ketiga, penggunaan data satu tahun karena persebaran data yang rendah dalam proksi pengukuran atas variabel yang digunakan. Setelah sampel diolah maka terkumpulkan 59 data sampel kabupaten/ kota dalam penelitian ini. Keterangan lebih lanjut terkait data sampel yang digunakan tersaji dalam lampiran penelitian ini.
1
Hasil Pengambilan Sampel Tabel 4.1 NO
KRITERIA SAMPEL
JUMLAH
1. Pemerintah kabupaten/kota di
1
470
Indonesia yang LKDP sudah diaudit pada tahun 2014 2. Pemerintah kabupaten/ kota wilayah
(259)
Indonesia barat menurut BPK RI tahun 2014 3. Pemerintah kabupaten/kota yang
(126)
datanya tidak lengkap 4. Pemerintah kabupaten/ kota tahun
(26)
2014 yang dikeluarkan karena outlier Total sampel dalam setahun
4.2.
59
Hasil dan Analisis data Untuk menganalisis data yang telah dikumpulkan terdapat tiga pengujian yang meliputi analisis statistik deskriptif, pengujian asumsi klasik
dan
pengujian
hipotesis.
Analisis
statistik
deskriptif
menggambarkan variabel dependen audit delay dan variabel independen yang diduga mempengaruhinya. Selanjutnya terdapat hasil pengujian asumsi klasik dari model regresi linear berganda, meliputi uji normalitas,
2
uji autokorelasi, uji multikolinearitas, dan uji heterokedastisitas. Pengujian hipotesis menggunakan analisis regresi linear berganda. 4.2.2. Statistik Deskriptif Statistik deksriptif digunakan untuk melihat distribusi data dari data daerah kabupaten/ kota sampel yang digunakan dalam penelitian. Berikut ini statistik deskriptif dari masing- masing variabel penelitian: Tabel 4.2 Descriptive Statistics N LNDELAY LNASET STATUS SKPD TIPE Valid N (listwise)
Minimum
Maximum
Mean
Std. Deviation
59
3.43
4.11
3.9402
.14247
59
25.25
31.97
28.1516
.96420
59
.00
1.00
.9153
.28089
59
24.00
196.00
54.3559
26.72708
59
.00
1.00
.1695
.37841
59
Keterangan : LNDELAY: Audit Delay; LNASET: total aset; STATUS: status pemerintah daerah; SKPD: jumlah entitas akuntansi daerah; TIPE: tipe pemerintahan daerah. Tabel di atas menggambarkan variabel Audit Delay (LNDELAY) yang memiliki nilai minimum sebesar 3,43 pada pemerintah kabupaten Bulukumba dengan nilai maksimum sebesar 4,11 pada pemerintah kabupaten Bangli. Nilai rata- rata sebesar 3,9402 dan standar deviasi sebesar 0,14247.
3
Hasil pengujian statistik deskriptif menunjukkan bahwa variabel total aset (LNASET) memiliki nilai minimum sebesar 25,25 pada pemerintah kabupaten Konawe Kepulauan, dan nilai maksimum sebesar 31,97 pada kota Tarakan. Nilai rata- rata sebesar 28,1516 dan standar deviasi sebesar 0,96420. Hasil pengujian statistik deskriptif menunjukkan bahwa variabel status pemerintah daerah (STATUS) memiliki nilai minimum sebesar 0 dan nilai maksimum sebesar 1. Nilai rata- rata sebesar 0,9153 dan standar deviasi sebesar 0,28089. Hasil pengujian statistik deskriptif menunjukkan bahwa variabel jumlah entitas akuntansi (SKPD) sebesar 24 pada pemerintah kabupaten Teluk Bintuni, dan nilai maksimum sebesar 196 pada pemerintah kabupaten Bulukumba. Nilai rata- rata sebesar 54,3559 dan standar deviasi sebesar 26,72708. Hasil pengujian statistik deskriptif menunjukkan bahwa variabel status pemerintah daerah (STATUS) memiliki nilai minimum sebesar 0 dan nilai maksimum sebesar 1. Nilai rata- rata sebesar 0,1695 dan standar deviasi sebesar 0,37841. 4.2.2. Uji Asumsi Klasik 4.2.2.1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependen dan independen terdistribusi normal atau tidak (Ghozali, 2013). Suatu model regresi yang baik adalah data yang terdistribusi normal atau mendekati normal. Seperti yang kita diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Apabila asumsi ini dilanggar
4
maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Peneliti menggunakan uji Kologmorov- Smirnof (K-S). Dasar pengambilan keputusan untuk uji Kologmorov- Smirnof (K-S) adalah: a. Apabila nilai Asymp.Sig. (2- tailed) < 0.05 maka H0 ditolak. Artinya data residual terdistribusi secara tidak normal. b. Apabila nilai Asymp.Sig. (2- tailed) > 0.05 maka H0 diterima. Artinya data residual terdistribusi secara normal. Hasil Pengujian Normalitas Data K-S Tabel 4.3 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters
59 a,b
Mean Std. Deviation
Most Extreme Differences
.0000000 .08109112
Absolute
.113
Positive
.063
Negative
-.113
Test Statistic
.113
Asymp. Sig. (2-tailed)
.057
a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction.
5
c
Nilai K-S sebesar 0,113 dan tidak signifikan pada 0,057 (karena p value= 0,057 lebih dari 0,05. Hasil tersebut dapat diartikan bahwa tidak terdapat penolakan H0. Jadi, residual terdistribusi secara normal. 4.2.2.2. Uji Autokorelasi Uji autorkorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (Ghozali, 2011). Autokorelasi muncul karena observasi berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah model yang bebas dari autokorelasi. Pendeteksian gejalan ini menggunakan Run Test. Run Test digunakan untuk melihat apakah apakah data residual terjadi secara random atau tidak. Jika Asym. Sig. (2-tailed) < 0,05 maka data residual tidak random atau terjadi autokorelasi antar nilai residual. Namun, jika Asym. Sig. (2-tailed) > 0,05 maka data residual bebas dari autokorelasi. Table 4.4 Uji Runs
6
Dari hasil pengujian gejala autokorelasi di atas, maka dapat ditarik kesimpulan bahwa model penelitian yang digunakan tidak mengandung gejala autokorelasi. Hal ini dapat dilihat dari nilai Asymp. Sig. (2-tailed) sebesar 0,088 > 0,05. 4.2.2.3. Uji Heterokedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2011). Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan sebaliknya disebut
heteroskedastisitas.
Kebanyakan
data
yang
mengandung
heteroskedastisitas adalah data crossection, karena data ini menghimpun data yang mewakili berbagai ukuran. Dalam penelitian ini metode yang digunakan untuk menguji heteroskedastisitas adalah uji glejser. Metode uji glejser meregresikan nilai absolute residual dengan variabel bebas (Ghozali, 2011). Model
regresi
yang
baik
adalah
model
regresi
yang
tidak
terjadi
heteroskedastisitas. a. Apabila nilai signifikansi > 0,05 maka terjadi homoskedastisitas b. Apabila nilai signifikansi < 0,05 maka terjadi heteroskedastisitas.
7
Tabel 4.5 Hasil Pengujian Heterokedastisitas dengan Metode Glejser
Hasil output menunjukkan bahwa tidak ada satupun variabel yang signifikansinya dibawah 0,05. Oleh karena itu, dinyatakan bahwa masing- masing variabel tidak mengalami masalah heterokedastisitas. 4.2.2.4. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2011). Model regresi yang baik adalah model regresi yang tidak terjadi korelasi diantara variabel independen. Dalam penelitian ini untuk mendeteksi ada atau tidaknya multikolineartitas dalam suatu model regresi dapat dilihat dari nilai tolerance dan lawannya yaitu Variance Inflation Faktor (VIF). Tolerance mengukur variabilitas variabel independen yang terpilih dan tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi, karena VIF sama dengan 1/ tolerance. Syarat pengambilan keputusan dengan nilai tolerance dan VIF adalah sebagi berikut. 8
a. Jika nilai tolerance > 0,10 atau nilai VIF < 10 artinya tidak terjadi multikolineartias b. Jika nilai tolerance < 0,10 atau nilai VIF > 10 artinya terjadi multikolinearitas. Tabel 4.5 Hasil Pengujian Multikolinearitas
Dari tabel diatas dapat disimpulkan bahwa nilai tolerance untuk masingmasing variabel (LNDELAY, LNASET, STATUS, SKPD, DAN TIPE) Aadalah 0,822; 0,867; 0,991; 0,923. Nilai VIF untuk tiap variabel tersebut adalah tersebut adalah 1,217; 1,154; 1,009; 1,084. Berdasarkan hasil di atas, perhitungan nilai tolerance lebih dari 0,10 dan nilai VIF tidak melebihi 10. Hasil tersebut dapat disimpulkan bahwa tidak terdapat multikolineritas pada seluruh variabel dalam model regresi tersebut.
9
4.2.3. Uji Hipotesis Pengujian hipotesis dilakukan melalui model regresi berganda. Analisis regresi berganda dilakukan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukir dari goodness of fit-nya. Secara statistik goodness of fit-nya dapat dukur dari nilai koefisien determinasi (R2), nilai signifikansi F, dan nilai signifikansi t. perhitungan statistik dikatakan signifikan apabila nilai uji statistiknya berada di daerah kritis (daerah dimana H0 ditolak) 4.2.3.1. Pengujian Koefisien Determinasi Pada model regresi berganda, koefisien determinasi (R2) digunakan untuk mengukur tingkat kemampuan model dalam menerangkan variasi pada variabel dependen (Ghazali, 2011). Nilai R2 yang mendekati nol diartikan variabel independen dalam menjelaskan variabel dependen terbatas, sebaliknya jika nilai R2 mendekati satu berarti variabel independen memberikan hampir semua informasi yang diperlukan untuk memprediksi variabel dependen (Ghazali, 2011). Tabel 4.6 Hasil Pengujian Koefisien Determinasi
10
Berdasarkan table di atas diketahui bahwa nilai Adjusted R2 adalah 0,652 mengindikasikan bahwa variabel audit delay (DELAY) mampu dijelaskan oleh variabel independen berupa ukuran pemerintah daerah (LNASET), jumlah entitas akuntansi (SKPD), tipe pemerintah daerah (TIPE), dan status pemerintah daerah (STATUS) sebesar 65,2% dan sisanya sebesar 34,8% dijelaskan oleh variabel lain di luar model penelitian ini. 4.2.3.2. Pengujian Koefisien Regresi Simultan (Uji nilai F) Uji statistik F bertujuan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersamasama terhadap variabel dependen (Ghazali, 2011). Pengujian dilakukan dengan menggunakan signifikansi 5%. Pengambilan keputusan apakah hasil uji F diterima atau ditolak adalah dengan melihat nilai signifikansi. Apabila nilai signifikansi dari prob F lebih statistik < 5 %, maka dapat ditarik kesimpulan bahwa keempat variabel independen yang digunakan dalam penelitian ini bersama- sama berpengaruh terhadap variabel dependen.
11
Tabel 4.7 Hasil Uji Signifikansi F
a
ANOVA Model
Sum of Squares
1
Df
Mean Square
Regression
.796
4
.199
Residual
.381
54
.007
1.177
58
Total
F 28.172
Sig. .000
b
a. Dependent Variable: LNDELAY b. Predictors: (Constant), SKPD, LNASET, TIPE, STATUS
Tabel di atas menunjukkan bahwa probability value dari model regresi yang digunakan dalam penelitian ini lebih kecil dari tingkat signifikansi penelitian sebesar 5% yaitu 0,000. Hasil ini mengindikasikan bahwa model regresi yang digunakan dalam penelitian ini layak (fit) untuk digunakan sebagai model regresi pengujian hipotesis. 4.2.3.3. Pengujian Koefisien Regresi Parsial (uji t) Uji parsial digunakan untuk mengetahui pengaruh masing- masing variabel independen terhadap variabel dependen (Ghazali, 2013). Kriteria sebagai berikut. 1. H0 diterima jika nilai probabilitas (sig t) > 0,05 dan p value > 0,05 2. H0 ditolak jika nilai probabilitas (sig t) <0,05 dan p value < 0,05
12
Tabel 4.8 Hasil Uji t
Hasil pengujian data yang tersaji di atas mengindikasikan bahwa variabel independen status pemerintahan daerah berpengaruh signifikan positif terhadap audit delay dan entitas akuntansi berpengaruh signifikan negatif terhadap audit delay. Sedangkan ukuran pemerintah daerah dan tipe pemerintah daerah tidak berpengaruh signifikan terhadap audit delay. Hal ini terbukti dengan nilai probabilitas untuk variabel STATUS dan SKPD mempunyai nilai signifikansi sama yaitu 0,000 lebih kecil dari nilai tingkat signifikansi 5%. Hasil di atas menunjukkan bahwa Hipotesis 1 dan Hipotesis 2 ditolak karena tidak menunjukkan hasil yang signifikan. Hipotesis 3 ditolak walaupun hasilnya signifikan di bawah 5%, tetapi memiliki Beta yang berbeda dari hipotesis. Hipotesis 4 juga ditolak karena menunjukkan pengaruh yang bertolakbelakang dari yang dihipotesiskan. 4.3. Pembahasan Hipotesis 1 dalam penelitian ini menguji pengaruh ukuran pemerintah daerah terhadap audit delay
Hasil pengujian menunjukkan bahwa hipotesis 13
tersebut ditolak karena memiliki nilai signifikansi di atas 5%. Penelitian ini juga sejalan dengan penelitian Suranta dan Itsniawan (2015) yang menemukan bahwa ukuran pemerintah daerah tidak berpengaruh terhadap audit delay. Hasil ini berbeda dengan penelitian sebelumnya, seperti milik aziz (2014) dan Lestari (2015) yang menemukan bahwa ukuran berpengaruh negatif terhadap audit delay. perbedaan ini disebabkan karena penelitian sebelumnya dilakukan di sektor swasta. Hipotesis 2 menguji pengaruh tipe pemerintah daerah terhadap audit delay. Hasil statistik menunjukkan bahwa hipotesis ini ditolak dengan kata lain tipe daerah tidak berpengaruh terhadap audit delay. Hasil ini sejalan dengan penelitian (Johson,1998) yang menemukan bukti bahwa tipe daerah tidak berpengaruh terhadap audit delay. Menurut peneliti sendiri baik itu kabupaten atau kota cenderung bagaimana kesiapan daerah tersebut dalam mengelola keuangannya masing- masing. Hipotesis 3 menguji pengaruh status pemerintah daerah terhadap audit delay. Hasil statistik menunjukkan bahwa hipotesis 3 ditolak walaupun memiliki signifikansi di bawah 5%, tetapi memiliki Beta yang berbeda dengan hipotesis. Hal ini juga sejalan dengan penelitian Lianto dan Kusuma (2010) menemukan hasil bahwa perusahaan yang telah lama berdiri biasanya mempunyai skala operasi yang lebih dan bertambah rumitnya transaksi sehingga memperpanjang proses audit. Begitu juga dengan hasil penelitian ini dapat dikarenakan bahwa daerah induk yang sudah lama berdiri memiliki transaksi yang lebih rumit
14
dibanding dengan daerah otonom baru, sehingga butuh waktu audit yang lebih panjang. Hipotesis 4 menguji pengaruh jumlah entitas akuntansi terhadap audit delay. Hasil statistik menunjukkan bahwa hipotesis ini ditolak karena memiliki nila Beta negatif, walaupun hasilnya signifikan. Perbedaan hasil ini mungkin dikarenakan sampel yang berbeda ataupun variabel variasi variabel yang digunakan.
15
BAB 5 PENUTUP 5.1. Kesimpulan Berdasarkan hasil analisis dan pembahasan, maka dapat disimpulkan bahwa variabel status pemerintah daerah berpengaruh positif terhadap audit delay dan entitas akuntansi pemerintah daerah berpengaruh negatif terhadap audit delay. Sementara untuk variabel ukuran pemerintah daerah dan tipe pemerintah daerah tidak mempengaruhi audit delay. Dengan demikian dapat disimpulkan bahwa perbedaan karakteristik pemerintah daerah di Indonesia menghasilkan penelitian yang berbeda dari penelitian yang dilakukan di Negara lain. Selain itu perbedaan wilayah dalam pengambilan sampel juga menghasilkan temuan yang berbeda pula. 5.2. Keterbatasan Penelitian ini dilakukan dengan berbagai keterbatasan yang dapat mempengaruhi hasil penelitian. Adapun keterbatasan penelitian ini antara lain sebagai berikut. 1. Penelitian ini sangat bergantung pada data yang terdapat di LKPD pemerintah dan terdapat data yang tidak tercantum dalam beberapa LKPD itu sendiri sehingga membatasi data penelitian. 2. Penelitian ini hanya berfokus pada wilayah Indonesia timur menurut BPK RI.
16
3. Penelitian ini hanya berfokus pada karakteristik pemerintah saja. 5.3. Saran Dari beberapa keterbatasan yang dikemukakan di atas, maka saran yang dapat diajukan untuk penelitian selanjutnya adalah sebagai berikut. 1. Menambahkan atribut tidak hanya dari segi karakteristik pemerintah daerah, tetapi juga dari segi karakteristik kepala daerah, karakteristik keuangan, dan juga karakteristik auditor. 2. Untuk ke depannya, dilakukan penelitian dengan dua sampel yang berbeda. Dengan tujuan melihat perbedaan hasil dari wilayah Indonesia Timur dengan wilayah Indonesia Barat.
17
