BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum Objek Penelitian

Objek penelitian yang digunakan dalam penelitian ini adalah perusahaan

sektor pertambangan yang terdaftar di Bursa Efek Indonesia (BEI) pada tahun

2014-2018 dan sesuai dengan kriteria yang telah diatur oleh penulis. Perusahaan

sektor pertambangan dipilih karena diharapkan dapat mewakili keseluruhan

perusahaan yang terdapat Indonesia. Pemilihan perusahaan sektor pertambangan

yang terdaftar di Bursa Efek Indonesia (BEI) sebagai populasi penelitian ini dengan

alasan bahwa Bursa Efek Indonesia (BEI) merupakan bursa efek representative di

Indonesia. Tahun penelitian yang dipilih dalam penelitian ini adalah tahun 2014-

2018. Periode pengamatan dilakukan selama lima tahun, sehingga penulis dapat

menganalisis perkembangan perusahaan selama waktu tersebut. Selain itu ada

kriteria yang digunakan dalam penelitian ini diantaranya :

1. Perusahaan sektor pertambangan yang telah terdaftar di BEI tahun 2014-2018.

2. Perusahaan sektor pertambangan yang mengeluarkan annual report dan dapat

diunduh melalui website BEI atau website masing-masing perusahaan selama

periode 2014-2018.

3. Menyajikan laporan keuangan dalam satuan Rupiah selama tahun 2014-2018.

4. Perusahaan yang mengalami laba selama 2014-2018.

Berdasarkan kriteria yang sudah ditetapkan dengan metode purposive

sampling. Maka jumlah data yang menjadi sampel selama periode 2014-2018

44
sebanyak 30 sampel laporan keuangan dari 6 perusahaan dikalikan dengan 5 tahun

dan seluruh data yang dibutuhkan lengkap sesuai dengan kebutuhan.

Tabel 4.1

Rincian Sampel Penelitian

No Kriteria Pelanggaran Akumulasi

Kriteria

1 Perusahaan sektor 41
pertambangan yang
terdaftar di Bursa Efek
Indonesia tahun 2014
sampai tahun 2018.
2 Perusahaan yang (10) 31
menerbitkan annual
report periode 2014-
2018.
4 Menyajikan laporan (19) 12
keuangan dalam
satuan rupiah (Rp)
selama tahun 2014-
2018.
5 Perusahaan yang (6) 6

mengalami laba

selama 2014-2018.

Jumlah sampel total selama periode penelitian (5 tahun) yaitu 30 data

penelitian.

Sumber : Diolah penulis 2019

Total sampel yang digunakan dalam penelitian ini 30 sampel dari 6

perusahaan yang sesuai kriteria dikalikan dengan tahun periode selama lima (5)

tahun. Sehingga total sampel penelitian ini adalah 30 sampel. Selain itu berikut ini

45
adalah daftar nama perusahaan sektor pertambangan yang berjumlah 6 perusahaan

yang menjadi objek penelitian ini.

Tabel 4.2

Perusahaan Yang Menjadi Sampel

No Nama Perusahaan

1 PT. Elnusa Tbk.

2 PT. Timah Tbk.

3 PT. Tambang Batu Bara Bukit Asam Tbk.

4 PT. Radiant Utama Interisco Tbk.

5 PT. Citatah Tbk.

6 PT. Cita Mineral Investindo Tbk.

Sumber : diolah penulis 2019

4.2 Analisis Statistik Desktiptif

Tabel 4.3

Hasil Analisis Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std.

Deviation
PROF 30 .01 28.13 8.7221 7.66184
SOLV 30 .31 .78 .5052 .12371
11778500000 31814635261 3958921348
BA 30 713767710.00
0.00 .2667 6.20721
UKAP 30 .00 1.00 .5000 .50855
AD 30 39.00 85.00 66.2333 13.85064
Valid N
(listwise 30
)
Sumber : Diolah penulis spss 22 (2020)

46
Berdasarkan tabel 4.3 dapat diketahui hasil analisis statistik deskriptif dari masing-

masing variabel adalah sebagai berikut :

Profitabilitas diukur secara kuantitatif dengan cara menghitung laba

sebelum pajak dibagi total aset. Dengan jumlah sampel 30, tingkat profitabilitas

dengan kriteria terendah adalah 0,01 pada perusahaan ELSA tahun 2015 sedangkan

tingkat profitabilitas tertinggi adalah 28,13 pada perusahaan PTBA pada tahun

2018. Rata-rata tingkat profitabilitas adalah 8,7221 dan standar deviasinya adalah

7,66184.

Solvabilitas diukur secara kuantitatif dengan cara menghitung total utang

dibagi total aset. Dengan jumlah sampel 30, tingkat pajak solvabilitas dengan

kriteria terendah adalah 0,31 pada perusahaan ELSA tahun 2016, sedangkan tingkat

solvabilitas tertinggi adalah 0,78 pada perusahaan CTTH tahun 2014. Rata-rata

tingkat solvabilitas adalah 0,5052 dan standar deviasinya adalah 0,12371.

Biaya audit diukur dengan LnFee = biaya audit. Dengan jumlah sampel 30,

Tingkat biaya audit dengan kriteria terendah adalah Rp. 713.767.710 pada

perusahaan CITA tahun 2014, sedangkan tingkat biaya audit tertinggi adalah

Rp. 117.785.000.000 pada perusahaan PTBA tahun 2015. Rata-rata tingkat

biaya audit adalah 31.814.635.261.2 dan standar deviasinya adalah

39.589.213.486.2.

Ukuran KAP diukur dengan variabel dummy dengan nilai 1 untuk KAP Big

Four dan 0 untuk KAP Non Big Four. Dengan jumlah sampel 30, tingkat ukuran

KAP dengan kriteria terendah adalah 0,00 pada perusahaan yang menggunakan jasa

KAP Non Big Four, dengan nilai tertinggi adalah 1,00 pada perusahaan yang

47
menggunakan jasa audit Big Four. Rata-rata tingkat ukuran KAP adalah 0,5000

serta memiliki standar deviasinya adalah 0,50855.

Audit delay diukur secara kuantitatif dengan cara menghitung dalam jumlah

hari antara tanggal tutup buku sampai dengan tanggal tanda tangan auditor dalam

laporan auditor independen. Dengan jumlah sampel 30, tingkat audit delay dengan

kriteria terendah adalah 39,00 pada perusahaan ELSA pada tahun 2016, dengan

nilai tertinggi adalah 85,00 pada perusahaan RUIS 2017. Rata-rata audit delay

adalah 66,2333 serta memiliki standar deviasinya adalah 13,85064.

4.3 Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk mengetahui apakah data layak

dianalisis. Penelitian ini menggunakan 4 uji asumsi klasik sebagai berikut :

4.3.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel penggangu atau residual memiliki retribusi normal. Dalam uji normalitas

ini ada 2 cara untuk mendeteksi apakah residual berdistribusi normal atau tidak,

yaitu dengan analisis grafik dan uji statistik (Ghozali, 2013: 105).

48
 Gambar 4.1
Grafik Normal P - Plot

Sumber : Diolah penulis spss 22 (2020)

Pada grafik diatas yaitu normal probability plot dapat dilihat persebaran

data yang berada disekitar garis diagonal seperti gambar diatas dan mengikuti

model regresi sehingga dapat disimpulkan bahwa data yang diolah merupakan data

yang berdistribusi normal sehingga uji normalitas terpenuhi. Uji normalitas juga

dapat dilihat dari uji Kolmogorov Smirnov (K-S) sebagai berikut:

Tabel 4.4

Hasil Uji Normalitas Dengan Uji Kolmogorov-Smirnov Test

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual

N 30
Normal Parametersa,b Mean .00000
00
Std. Deviation 5.4455
8470
Most Extreme Differences Absolute .123
Positive .123
Negative -.076
Test Statistic .123
Asymp. Sig. (2-tailed) .200c,d

a. Test distribution is Normal.

b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.

Sumber : Diolah penulis spss 22 (2020)

Berdasarkan tabel diatas secara statistik data dapat menunjukan N =30 yang

berarti jumlah sampel yang diambil sebanyak 30 sampel. Mean= 0,0000000 yang

49
berarti nilai rata-rata sampel X untuk menghampiri mean populasi µ, dan standar

deviasi = 5,44558470. Most Extreme Differences merupakan nilai statistik D pada

Kolmogorov Smirnov, terdiri dari Positive yang merupakan pengurangan untuk

menghasilkan angka positif terbesar yaitu 0,123, Negatif yang merupakan

pengurangan untuk menghasilkan angka negatif terbesar -0,076, dan absolute yang

merupakan angka terbesar yaitu 0,123. Nilai Kolgomorov Smirnov Z yaitu 0,200

dan dapat diketahui bahwa besarnya nilai Asymp. Sig. (2-tailed) menunjukan data

lebih besar dari 0,05 dimana nilai tersebut (0,200 > 0,05) artinya data residual

berdistribusi normal. Hasil uji statistik ini hasilnya konsisten dengan analisis grafik

yang menyebutkan bahwa model regresi asumsi klasik normalitas.

4.3.2 Uji Multikolonieritas

Tabel 4.5

Hasil Uji Multikolonieritas

Coefficientsa
Mode Collinearity
l Statistics
Tolerance VIF
(Constant)
PROF .463 2.160
SOLV .310 3.224
BA .247 4.050
UKAP .181 5.540
a. Dependent Variable: AD
Sumber : Diolah penulis spss 22 (2020)

Pada tabel 4.5 dapat dilihat bahwa hasil dari uji multikolonieritas

dari nilai tolerance profitabilitas ialah sebesar 0,463 yang artinya bahwa nilai

50
profitabilitas lebih besar dari nilai 0,10 atau 0,463 > 0,10 dan nilai VIF ialah 2,160

yang artinya bahwa nilai VIF profitabilitas lebih kecil dari nilai 10,0 atau 2,160 <

10,0. Nilai tolerance solvabilitas ialah 0,310 yang artinya bahwa nilai solvabilitas

lebih besar dari nilai 0,10 atau 0,310 > 0,10 dan nilai VIF ialah 3,224 yang artinya

bahwa nilai VIF solvabilitas lebih kecil dari nilai 10,0 atau 3,224 < 10,0. Nilai

tolerance biaya audit ialah 0,247 artinya bahwa nilai biaya audit lebih besar dari

nilai 0,10 atau 0,247 > 0,10 dan nilai VIF ialah 4,050 artinya bahwa nilai biaya

audit lebih kecil dari nilai 10,0 atau 4,050 < 10,0. Nilai tolerance ukuran KAP ialah

1,181 artinya bahwa nilai biaya audit lebih besar dari nilai 0,10 atau 0,181 > 0,10

dan nilai VIF ialah 5,540 artinya bahwa nilai ukuran KAP lebih kecil dari nilai 10,0

atau 5,540 < 10,0. Dengan melihat hasil uji multikolonieritas dapat disimpulkan

bahwa dalam penelitian ini multikolonieritas antar variabel bebas dalam model

regresi ini dalam batas toleransi.

4.3.3 Uji Heteroskedastisitas

Bila variance dari residual satu pengamatan ke pengamatan lain

tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.

Untuk mengetahui ada tidaknya heteroskedastisitas dilihat melalui hasil uji statistik.

Model regresi dapat dikatakan baik apabila tidak terjadi heteroskedastisitas.

Gambar 4.2

51
 Sumber : Diolah penulis spss 22 (2020)

Dari gambar tersebut dapat dilihat bahwa titik-titik tersebut

menyebar dengan pola tidak berurutan dibawah dan diatas 0 pada sumbu Y,

sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model

regresi, sehingga model regresi layak dipakai untuk memprediksi. Uji

heteroskedastisitas juga dapat dilihat dengan uji gletser sebagai berikut:

Tabel 4.6

Hasil Uji Heteroskedastisitas Dengan Uji Gletser

Coefficientsa
Model T Sig.

(Constant) -.847 .405

PROF 1.172 .252
1SOLV 1.710 .100
BA -.822 .419
UKAP .915 .369
a. Dependent Variable: Absut
Sumber : Diolah penulis spss 22 (2020)

Pada tabel 4.6 diatas dapat diketahui bahwa nilai signifikan

profitabilitas sebesar 0,252, nilai solvabilitas sebesar 0,100, nilai biaya audit

sebesar 0,419, nilai ukuran KAP sebesar 0,369, ini menunjukan bahwa nilai

signifikan diatas > 0,05 maka dapat dikatakan bahwa data tersebut dinyatakan lolos.

4.3.4 Uji Autokorelasi

Uji autokorelasi bertujuan unyuk menguji apakah dalam model

regresi linear terdapat korelasi antara kesalahan penggangu pada periode t dengan

kesalahan penggangu pada periode – t (sebelumnya). Jika terjadi korelasi, maka

dinamakan ada problem autokorelasi. Model regresi yang baik adalah yang bebas

52
autokorelasi, penelitian ini menggunakan pengujian run test dengan hasil sebagai

berikut:

Tabel 4.7

Hasil Uji Run Test

Runs Test
Unstandardized
Residual
Test Valuea -.05292
Cases < Test Value 15
Cases >= Test Value 15
Total Cases 30
Number of Runs 11
Z -1.672
Asymp. Sig. (2-tailed) .094
a. Median
Sumber : Diolah penulis spss 22 (2020)

Berdasarkan tabel 4.7 menunjukan bahwa angka statistik yang

sesudahnya dengan asymp. Sig. (2-tailed) sebesar 0,94 lebih besar dari nilai

signifikan 0,05. Hasil pengujian ini menunjukan bahwa data yang dinalisis

berdistribusi secara normal, dan menunjukan bahwa model regresi telah lolos dari

uji autokorelasi.

4.4 Hasil Uji Hipotesis

4.4.1 Uji F Statistik Simultan (Uji Statistik F)

Uji statistik F digunakan untuk mengetahui apakah variabel independen

secara bersama-sama atau simultan mempengaruhi variabel dependen. Hasil uji

statistik F ditunjukkan dalam tabel 4.8 sebagai berikut :

53
 Tabel 4.8

Hasil Uji F

ANOVAa

Model F Si
g.
Regres 3 .0
sion 4.183 00b
1 Residu
al
Total
a. Dependent Variable: AD
b. Predictors: (Constant), UKAP, PROF, SOLV, BA
Sumber : Diolah penulis spss 22 (2020)

Berdasarkan tabel 4.8 hasil uji f menunjukan nilai fhitung sebesar 34,183

dengan nilai signifikansi sebesar 0,000. Nilai ftabel (dfl = jumlah variabel - 1 = 5 - 1

= 4 dan df2 = n – k – 1 = 30 – 4 – 1 = 25) pada a = 0,05, sebesar 2,76. Fhitung 34,183

> Ftabel 2,76 dan 0,000b < 0,05, maka dapat disimpulkan bahwa model regresi dapat

digunakan untuk memprediksi audit delay.

4.4.2 Analisis Regresi Linear Berganda

Tabel 4.9

Hasil Analisis Regresi Linear Berganda

Coefficientsa
Model Unstandardized
Coefficients
B
(Constant) 89.666
PROF -.367
1SOLV -17.888
BA 2.723E-010
UKAP -39.723

54
 a. Dependent Variable: AD

Sumber : Diolah penulis spss 22 (2020)

Berdasarkan tabel hasil regresi linier berganda diatas, maka dapat disusun

persamaan regresi sebagai berikut :

Y = α + β1X1 + β2X2 + β3X3 + β4X4 + e

Y = 89,666 – 0,367 – 17,888 – 27.230.000.000 – 39,723 + e

Keterangan :

Y = Audit Delay

X1 = Profitabilitas

X2 = Solvabilitas

X3 = Biaya Audit

X4 = Ukuran KAP

A = Konstanta

β = Koefisien Variabel Independen

e = Error

Berdasarkan persamaan regresi tersebut dilakukan analisa pengaruh

masing-masing variabel independen yaitu Profitabilitas (PROF), Solvabilitas

(SOLV), Biaya Audit (BA), dan Ukuran KAP (UKAP) terhadap variabel dependen

yaitu Audit Delay (AD) sebagai berikut :

1. Nilai konstanta (a) adalah 89,666 dapat diartikan bahwa audit delay akan

bernilai 90 hari jika profitabilitas, solvabilitas, biaya audit, dan ukuran KAP

nilainya adalah 0.

55
2. Nilai koefisien regresi profitabilitas (X1) bernilai negatif sebesar -0,367

artinya bahwa profitabilitas berpengaruh negatif terhadap audit delay

dengan koefisien regresi sebesar -0,367 yang artinya jika profitabilitas

meningkat 3% atau satu satuan maka audit delay akan menurun sebesar 1

hari dengan asusmsi variabel lain tetap.

3. Nilai koefisien regresi solvabilitas (X2) bernilai negatif sebesar -17,888

artinya bahwa solvabilitas berpengaruh negatif terhadap audit delay dengan

koefisien regresi sebesar -17,888 yang artinya bahwa jika solvabilitas

meningkat 1% atau satu satuan maka audit delay akan menurun sebesar 18

hari dengan asumsi variabel lain tetap.

4. Nilai koefisien regresi biaya audit (X3) bernilai sebesar 2,723e-010 artinya

adalah sama dengan 10,435 apabila dikonversikan ke logaritma natural, ini

dapat diartikan bahwa biaya audit berpengaruh negatif terhadap audit delay

dengan koefisien regresi sebesar 10,435 yang artinya bahwa jika biaya audit

meningkat 1% atau satu satuan maka audit delay akan meningkat sebesar

10 hari dengan asumsi variabel lain tetap.

5. Nilai koefisien regresi ukuran KAP (X4) bernilai negatif sebesar -39,723

artinya bahwa ukuran KAP berpengaruh negatif terhadap audit delay

dengan koefisien regresi sebesar -39,723 yang artinya bahwa jika ukuran

KAP meningkat 1% atau satu satuan maka audit delay akan menurun

sebesar 40 hari dengan asumsi variabel lain tetap.

56
4.4.3 Uji Koefesien Determinasi (R2)

Koefisien determinasi bertujuan untuk mengukur seberapa jauh

kemampuan model dapat menjelaskan variasi variabel dependen. Nilai R2

mempunyai interval antara 0 sampai 1 (0 < R2 < 1). Jika nilai R2 bernilai besar

(mendekati 1) berarti variabel bebas dapat memberikan hampir semua informasi

yang dibutuhkan untuk memprediksi variabel dependen. Sedangkan jika adjusted

R2 bernilai kecil berarti kemampuan variabel bebas dalam menjelaskan variabel

dependen sangat terbatas. Koefisien determinasi adalah kuadrat dari nilai korelasi

pada tabel model summary output SPSS yang dikalikan dengan 100%. Berikut

adalah hasil uji koefisien determinasi dapat dilihat pada tabel 4.10 sebagai berikut:

Tabel 4.10

Hasil Uji Koefisien Determinasi

Model Summaryb
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .919a .845 .821 5.86507
a. Predictors: (Constant), UKAP, PROF, SOLV, BA
b. Dependent Variable: AD
Sumber : Diolah penulis spss 22 (2020)

Berdasarkan tabel 4.10 diperoleh informasi tentang besarnya

pengaruh dari seluruh dari seluruh variabel independen terhadap variabel dependen.

Pengaruh tersebut disimbolkan dengan R (korelasi). Seperti yang terlihat dalam

tabel tersebut, nilai pada kolom R adalah 0,919 artinya pengaruh profitabilitas,

solvabilitas, biaya audit, ukuran KAP terhadap audit delay adalah 91,9% (0,919 x

100%), namun nilai tersebut bisa dikatakan “terkontaminasi” oleh berbagai nilai

penggangu yang mungkin menyeabkan kesalahan pengukuran, untuk itu SPSS

57
memberikan alternatif nilai R square sebagai perbandingan akurasi pengaruhnya.

Terlihat bahwa nilai R square sebesar 0,845 yang artinya 84,5%, nilai ini lebih kecil

dari nilai R akibat adanya penyesuaian, namun demikian sebagai catatan nilai

tersebut tidak serta merta lebih kecil dari R namun juga terkadang lebih besar.

Untuk lebih akuratnya prediksi pengaruh dapat berpatokan pada nilai adjusted R

square yaitu nilai R square tadi yang sudah lebih disesuaikan dan lazimnya ini yang

paling akurat. Terlihat bahwa adjusted R square-nya lebih sebesar 0,821 atau 82,1%

pengaruh variabel dependen. Kolom selanjutnya pada tabel tersebut

memperlihatkan tingkat keakuratan model regresi dapat dilihat pada kolom

Standard Error of The Estimate sebesar 5,86507.

4.4.4 Uji Statistik Parsial (Uji Statistik T)

Analisis uji t atau analisis pengujian parsial diperlukan untuk mengetahui

bahwa variabel independen secara parsial

Tabel 4.11

Hasil Uji Statistik T

Coefficientsa

Model T Sig.

(Constant) 8.783 .000

PROF -1.755 .092
SOLV -1.132 .269
1
BA 4.919 .000
-
UKAP .000
7.880
a. Dependent Variable: AD
Sumber : Diolah penulis spss 22 (2020)

58
 Berdasarkan hasil SPSS pada tabel 4.11 nilai uji t (Parsial) yaitu

sebagai berikut :

1. Profitabilitas (X1) memperoleh t hitung sebesar -1,755 yang lebih kecil dari t

tabel dengan nilai 2,05954. Tingkat signifikansi sebesar 0,92 lebih besar dari

0,05. nilai signifikansi profitabilitas 0,92 > 0,05 sehingga H1 ditolak dan dapat

diambil kesimpulan bahwa profitabilitas (X1) tidak berpengaruh signifikan

terhadap audit delay (Y).

2. Solvabilitas (X2) memperoleh t hitung sebesar -1,132 yang lebih kecil dari t

tabel dengan nilai 2,05954. tingkat signifikansi sebesar 0,269 lebih besar dari

0,05. nilai signifikansi profitabilitas 0,269 > 0,05 sehingga H1 ditolak dan dapat

diambil kesimpulan bahwa solvabilitas (X2) tidak berpengaruh signifikan

terhadap audit delay (Y).

3. Biaya audit (X3) memperoleh t hitung sebesar 4,919 yang lebih besar dari t tabel

dengan nilai 2,05954. tingkat signifikansi sebesar 0,000 lebih kecil dari 0,05.

nilai signifikansi profitabilitas 0,000 < 0,05 sehingga H1 gagal ditolak dan dapat

diambil kesimpulan bahwa profitabilitas (X3) berpengaruh signifikan terhadap

audit delay (Y).

4. Profitabilitas memperoleh t hitung sebesar -7,880 yang lebih besar dari t tabel

dengan nilai 2,05954. Tingkat signifikansi sebesar 0,000 lebih kecil dari 0,05.

nilai signifikansi profitabilitas 0,000 < 0.05 sehingga H1 gagal ditolak dan dapat

diambil kesimpulan bahwa profitabilitas (X4) berpengaruh signifikan terhadap

audit delay (Y).

59
4.5 Diskusi Hasil dan Pembahasan

4.5.1 Pengaruh Profitabilitas Terhadap Audit Delay

Dari hasil penelitian yang dilakukan oleh penulis, dapat dilihat nilai Thitung

< Ttabel yaitu sebesar -1,755 < 2,05954 dan nilai signifikansi sebesar 0,92 dimana

nilai 0,92 > 0,05 sehingga H1 ditolak yang artinya Profitabilitas Tidak Berpengaruh

Signifikan terhadap Audit Delay.

Hal ini sejalan dengan penelitian yang dilakukan oleh Ramadhan (2018),

Apriyana dan Rahmawati (2017) menunjukan bahwa Profitabilitas Tidak

Berpengaruh terhadap Audit Delay. Hal ini dikarenakan proses audit perusahaan

yang memiliki tingkat profitabilitas rendah tidak berbeda dengan proses audit

perusahaan dengan tingkat profitabilitas tinggi, karena perusahaan dengan

profitabilitas tinggi atau rendah akan cenderung mempercepat proses auditnya.

Menurut Penelitian Effendy (2018) Alasan yang tepat untuk menjelaskan

profitabilitas tidak berpengaruh terhadap audit delay disebabkan karena tingkat

profitabilitas yang lebih rendah memacu kemunduran publikasi laporan keuangan

perusahaan yang melaporkan kerugian dimungkinkan akan meminta auditor untuk

mengatur waktu auditnya lebih lama dibandingkan biasanya.

4.5.2 Pengaruh Solvabilitas Terhadap Audit Delay

Dari hasil penelitian yang dilakukan oleh penulis, dapat dilihat nilai Thitung

< Ttabel yaitu sebesar -1,132 < 2,05954 dan nilai signifikansi sebesar 0,269 dimana

nilai 0,269 > 0,05 sehingga H2 ditolak yang artinya Solvabilitas Tidak Berpengaruh

Signifikan terhadap Audit Delay.

60
 Hal ini sejalan seperti penelitian yang dilakukan oleh Ilhami (2013)

menunjukan bahwa Solvabilitas Tidak Berpengaruh terhadap Audit Delay. Karena

standar pekerjaan auditor yang telah diatur dalam SPAP menyatakan bahwa

pelaksanaan prosedur audit perusahaan baik yang memiliki total utang besar dengan

jumlah debtholder yang banyak atau perusahaan dengan utang yang kecil dan

jumlah debtholder sedikit tidak akan mempengaruhi proses penyelesaian audit

laporan keuangan, karena auditor yang ditunjuk pasti telah menyediakan waktu

sesuai dengan kebutuhan untuk menyelesaikan proses pangauditan utang. Menurut

Putra (2017) Solvabilitas tidak berpengaruh terhadap audit delay jika perusahaan

memiliki pengendalian internal yang kuat maka akan mengurangi tingkat kesalahan

dalam penyajian laporan seperti akun-akun hutang, Perusahaan dengan proporsi

hutang yang besar memiliki tanggung jawab harus cepat dalam menyelesaikan audit

laporan keuangannya, sehingga perusahaan yang memiliki tingkat hutang yang

kecil ataupun besar akan tetap meminimalisasikan audit delay untuk meyakinkan

pemegang saham dan kreditor bahwa perusahaan tetap dalam kondisi baik.

4.5.3 Pengaruh Biaya Audit Terhadap Audit Delay

Dari hasil penelitian yang dilakukan oleh penulis, dapat dilihat nilai Thitung

> Ttabel yaitu sebesar 4,919 > 2,05954 dan nilai signifikansi sebesar 0,000 dimana

nilai 0,000 < 0,05 sehingga H3 gagal ditolak yang artinya Biaya Audit Berpengaruh

Positif dan Signifikan terhadap Audit Delay.

Hal ini sejalan dengan penelitian yang dilakukan oleh Syofiana dkk (2018)

Kantor audit yang berukuran besar akan cenderung memberikan penawaran biaya

audit yang tinggi, karena kantor audit yang berukuran besar lebih banyak memiliki

61
auditor yang berpengalaman dibidang audit serta staff kerja yang banyak, fasilitas

audit yang lengkap dan teknologi yang lebih canggih, dengan biaya audit yang

tinggi perusahaan berharap auditor lebih cepat dalam melakukan proses audit

laporan keuangan, sehingga audit delay lebih pendek karena audit pada perusahaan

besar membutuhkan jam kerja staff audit yang lebih besar, teknik dan teknologi

audit tertentu sehingga menyebabkan tingginya biaya audit. Hal ini juga akan

mempengaruhi ketepatan waktu audit.

4.5.4 Pengaruh Ukuran KAP Terhadap Audit Delay

Dari hasil penelitian yang dilakukan oleh penulis, dapat dilihat nilai Thitung

> Ttabel yaitu sebesar -7,880 > 2,05954 dan nilai signifikansi sebesar 0,000 dimana

nilai 0,000 < 0,05 sehingga H4 gagal ditolak yang artinya Ukuran KAP Berpengaruh

Positif dan Signifikan terhadap Audit Delay.

Hal ini sejalan dengan penelitian yang dilakukan oleh Larasati (2017)

Ukuran KAP Berpengaruh terhadap Audit Delay. Dapat dikatakan bahwa KAP big

four mempunyai tenaga spesialis yang profesional yang mampu melakukan audit

secara efisien sehingga mampu menyelesaikan laporan audit dengan tepat waktu

sesuai peraturan yang berlaku. Hal ini juga terjadi seperti penelitian yang dilakukan

oleh Lestari dan Saitri (2017) bahwa Ukuran KAP Berpengaruh Signifikan terhadap

Audit Delay. Auditor yang bekerja pada KAP yang berafiliasi dengan the big four

ternyata mempengaruhi cepat atau lambatnya penyampaian laporan keuangan

auditan. KAP yang berafiliasi dengan big four memiliki pelatihan dan pengalaman

yang lebih banyak terkait dengan pelaksaanaan audit sehingga memerlukan waktu

62
yang relatif singkat karena pengetahuan audit yang sudah mencukupi. menunjukan

bahwa Ukuran KAP Berpengaruh Positif dan Signifikan terhadap Audit Delay.

1.

63