Statistik Deskriptif Jumlah 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 4.1 Statistik Deskriptif Keseluruhan Data N AUD_LAG SPEC KAP_TEN PART_TEN BIG4 SIZE ROA DER Valid N (listwise) 200 200 200 200 200 200 200 200 200 Minimum 33.00 .00 1.00 1.00 .00 24.5621 -26.21 -1.76 Maximum Mean Std. Deviation 12.57228 .45255 1.10539 .74348 .50103 1.5865719 12.80230 1.26122
98.00 72.6950 1.00 .2850 5.00 2.3150 3.00 1.7000 1.00 .4850 32.3571 27.701884 56.92 12.2454 8.69 .9647
27
Definisi variabel :
AUD_LAG SPEC KAP_TEN PART_TEN BIG4 SIZE ROA DER = interval jumlah hari antara tanggal laporan keuangan sampai tanggal penandatanganan laporan audit = diberi angka 1 jika KAP menguasai minimal 30% dari jumlah total aset perusahaan klien,0 jika lainnya = jumlah tahun sebuah KAP menjadi auditor perusahaan klien = jumlah tahun seorang partner mengaudit perusahaan klien = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika lainnya = logaritma normal ukuran perusahaan klien = Return on Assets yaitu perbandingan laba bersih terhadap total aktiva = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaan
Statistik 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.
28
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 ratarata 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 Korelasi Analisis 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
29
menggunakan teknik korelasi Pearson dengan menggunakan SPSS. Hasil dari analisis korelasi Pearson, disajikan dalam tabel 4.2 berikut. Tabel 4.2 Korelasi Antarvariabel
KAP_TE PART_T N EN -.012 .864 200 .026 .719 200 AUD_ LAG 1
200
*. 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
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.
30
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 (AlAjmi, 2008).
31
4.3. Hasil Uji Asumsi Klasik 4.3.1. Uji Normalitas Data Pengujian 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 4.3 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual Asymp. Sig. (2-tailed)
Sumber : Keluaran Program SPSS
Berdasarkan 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 Autokorelasi Pengujian 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
32
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 4.4 Statistik Durbin-Watson Model 1 Durbin Watson 1.874
Berdasarkan hasil stastistik Durbin Watson di tabel 4.4, model regresi penelitian ini berada dalam rentang bebas dari autokorelasi. 4.3.3. Uji Heteroskedastisitas Uji 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 H1 : tidak ada heteroskedastisitas ( varians homoskedatis) : ada masalah heteroskedastisitas ( varians heteroskedastis) Tabel 4.5 Uji Heterokesdasitas : White
33
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 Multikolinearitas Uji 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
Collinearity Statistics Model 1 (Constant) SPEC KAP_TEN PART_TEN BIG4 SIZE ROA DER Tolerance .751 .872 .980 .767 .678 .833 .907 VIF 1.332 1.146 1.021 1.305 1.474 1.200 1.103 Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Kesimpulan
34
Definisi variabel :
AUD_LAG SPEC KAP_TEN PART_TEN BIG4 SIZE ROA DER = interval jumlah hari antara tanggal laporan keuangan sampai tanggal penandatanganan laporan audit = diberi angka 1 jika KAP menguasai minimal 30% dari jumlah total aset perusahaan klien,0 jika lainnya = jumlah tahun sebuah KAP menjadi auditor perusahaan klien = jumlah tahun seorang partner mengaudit perusahaan klien = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika lainnya = logaritma normal ukuran perusahaan klien = Return on Assets yaitu perbandingan laba bersih terhadap total aktiva = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaan
4.4. Hasil Uji Hipotesis Untuk 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 4.7 Rangkuman Hasil Pengujian Hipotesis
Variables Constanta SPEC KAP_TEN PART_TEN BIG4 SIZE ROA DER N=200 Prediction Coefficient (+/-) _ (+/-) (+/-) _ + _ _ 25.846 -5.263 .149 .346 -5.663 1.763 -.025 1.701 Std. Error 17.847 2.185 .830 1.164 1.953 .656 .073 .713 tStatistic 1.448 -2.408 .180 .297 -2.900 2.688 -.343 2.385 Sig. t Pengujian H0
.149** H0 Diterima .017** H0 Diterima .857** H0 Ditolak .766** H0 Ditolak .004** H0 Diterima .008** H0 Diterima .732** H0 Diterima .018** H0 Ditolak
** Sig. pada tingkat = 1%; * Sig. pada tingkat = 5% Sumber : Diringkas dari Hasil Keluaran Program SPSS
Definisi variabel :
AUD_LAG SPEC = interval jumlah hari antara tanggal laporan keuangan sampai tanggal penandatanganan laporan audit = diberi angka 1 jika KAP menguasai minimal 30% dari jumlah total aset perusahaan klien,0 sebaliknya.
35
= jumlah tahun sebuah KAP menjadi auditor perusahaan klien = jumlah tahun seorang partner mengaudit perusahaan klien = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika sebaliknya = logaritma normal ukuran perusahaan klien = Return on Assets yaitu perbandingan laba bersih terhadap total aktiva = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaan
Persamaan 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
Definisi variabel :
AUD_LAG SPEC KAP_TEN PART_TEN BIG4 SIZE ROA DER = interval jumlah hari antara tanggal laporan keuangan sampai tanggal penandatanganan laporan audit = diberi angka 1 jika KAP menguasai minimal 30% dari jumlah total aset perusahaan klien,0 jika lainnya = jumlah tahun sebuah KAP menjadi auditor perusahaan klien = jumlah tahun seorang partner mengaudit perusahaan klien = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika lainnya = logaritma normal ukuran perusahaan klien = Return on Assets yaitu perbandingan laba bersih terhadap total aktiva = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaan
(6)
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.
36
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
37
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
38
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.
39
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% .
40
Koefisien Estimasi (t-stat) Pengujian Sensitifitas Sales (30%) Assets (15%) Sales (15%) 0.128 .343 .0395 .023* .006* .002* .832 .935 .973 .681 .629 .594 .004** .004** .005** .010** .003** .002** .758 .777 .767 .019* .017* .014* 3.249 3.656 4.007 0.073 200 0.085 200 0.096 200
Adjusted R 0.076 N 200 * signifikan pada tingkat keyakinan 5% ** signifikan pada tingkat keyakinan 1%
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 lainnya KAP_TEN = jumlah tahun sebuah KAP menjadi auditor perusahaan klien PART_TEN = jumlah tahun seorang partner mengaudit perusahaan klien BIG4 = diberi angka 1 jika perusahaan diaudit oleh KAP Big 4, dan 0 jika lainnya SIZE = logaritma normal ukuran perusahaan klien ROA = Return on Assets yaitu perbandingan laba bersih terhadap total aktiva DER = Debt to Equity Ratio perbandingan antara total hutang terhadap total ekuitas perusahaan
41
BAB V SIMPULAN, KETERBATASAN DAN SARAN 5.1. Simpulan Tujuan 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
42
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. Keterbatasan Keterbatasan 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. Saran Melihat 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:
43
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.
44
98.00 72.6950 1.00 .2850 5.00 2.3150 3.00 1.7000 1.00 .4850 32.3571 27.701884 56.92 12.2454 8.69 .9647
45
3.
Model 1
R .329
a
R Square .108
Durbin-Watson 1.874
12.08621 a. Predictors: (Constant), der, big4, part, spec, kap, roa, size b. Dependent Variable: lag 4. Uji Multikolinearitas
Collinearity Statistics Model 1 (Constant) SPEC KAP_TEN PART_TEN BIG4 SIZE ROA DER .751 .872 .980 .767 .678 .833 .907 1.332 1.146 1.021 1.305 1.474 1.200 1.103 Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Tidak ada multikolinearitas Tolerance VIF
Kesimpulan
5.
Uji Heterokedastisitas 0.524241 18.87612 23.31946 Prob. F(33,166) Prob. Chi-Square(33) Prob. Chi-Square(33) 0.9846 0.9767 0.8942
46
6.
Model Summary
Model Summaryb
Model 1
R .329a
R Square .108
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size b. Dependent Variable: lag
7.
ANOVA
ANOVAb
df 7 192 199
F 3.333
Sig. .002a
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size b. Dependent Variable: lag
8.
Uji t
Standardized Coefficients Beta -.189 .013 .020 -.226 .222 -.026 .171 t 1.448 -2.408 .180 .297 -2.900 2.688 -.343 2.385 Sig. .149 .017 .857 .766 .004 .008 .732 .018
Unstandardized Coefficients Model 1 (Constant) spec kap part big4 size roa der B 25.846 -5.263 .149 .346 -5.663 1.763 -.025 1.701 Std. Error 17.847 2.185 .830 1.164 1.953 .656 .073 .713
47
9.
48
Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance Centered Leverage Value a. Dependent Variable: lag
11. Histogram
49
Lampiran 3 Hasil Statistik Pengujian Sensitifitas 1. Spesialisasi KAP yang diukur dari Total Aset dengan Ambang Batas 15%
R Square .118
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size b. Dependent Variable: lag
50
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size b. Dependent Variable: lag
Unstandardized Coefficients Model 1 (Constant) spec kap part big4 size roa der B 17.716 -6.120 .068 .562 -5.657 2.069 -.021 1.711 Std. Error 18.627 2.180 .828 1.160 1.943 .686 .073 .710
2.
Spesialisasi KAP yang diukur dari Total Penjualan dengan Ambang Batas 30%
51
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size b. Dependent Variable: lag
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size b. Dependent Variable: lag
Unstandardized Coefficients Model 1 (Constant) Spec Kap Part big4 Size Roa Der B 27.183 -4.976 .177 .480 -5.691 1.701 -.023 1.690 Std. Error 17.784 2.170 .830 1.167 1.956 .651 .073 .714
3.
Spesialisasi KAP yang diukur dari Total Penjualan dengan Ambang Batas 15%
52
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size b. Dependent Variable: lag
a. Predictors: (Constant), der, big4, part, spec, kap, roa, size b. Dependent Variable: lag
53
54