BAB 4

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Deskripsi Hasil Penelitian

Penelitian kuantitatif ini dilakukan dengan tujuan untuk memeriksa
dampak profitabilitas, solvabilitas, ukuran perusahaan, dan reputasi audit
terhadap keterlambatan pelaksanaan audit. Data untuk penelitian ini diperoleh
dari situs resmi Bursa Efek Indonesia dan mencakup semua perusahaan di
sektor properti dan real estate selama rentang waktu 2019 hingga 2021.
Tabel 4.1 Prosedur dan Hasil Pemilihan Sampel Perusahaan

No Kriterta Tidak Memenuhi Total

1. Perusahaan properti dan real 67
estat yang terdaftar di Bursa
Efek Indonesia dalam rentang
tahun 2019 hingga 2021.
2. Perusahaan yang secara (10)
berurutan tidak mengajukan
laporan keuangan tahunan
yang telah diaudit ke bei
selama tahun 2019 hingga
2021
3. Perusahaan yang tidak (8)
memiliki data lengkap untuk
semua variabel yang menjadi
fokus penelitian dalam periode
pengamatan tahun 2019-2021
JUMLAH PERUSAHAAN SAMPEL PER TAHUN 49
PERIODE PENELITIAN 3
JUMLAH DATA PENELITIAN 2019 – 2021 147

Dalam rangka memenuhi kriteria yang disebutkan sebelumnya,

terdapat total 49 perusahaan di sektor properti dan real estate yang terdaftar
pada Bursa Efek Indonesia selama periode tahun 2019-2021. Berikut ini
adalah daftar perusahaan yang menjadi subjek penelitian :

44
 Tabel 4.2 Daftar Sampel Perusahaan
No Kode Nama Perusahaan
1. APLN Agung Podomoro Land Tbk.
2. ASRI Alam Sutera Realty Tbk.
3. BAPA Bekasi Asri Pemula Tbk.
4. BAPI Bhakti Agung Propertindo Tbk.
5. BEST Bekasi Fajar Industrial Estate Tbk.
6. BIKA Binakarya Jaya Abadi Tbk.
7. BIPP Bhuwanatala Indah Permai Tbk.
8. BSDE Bumi Serpong Damai Tbk.
9. CPRI Capri Nusa Satu Properti Tbk.
10. CTRA Ciputra Development Tbk.
11. DART Duta Anggada Realty Tbk.
12. DILD Intiland Development Tbk.
13. DMAS Puradelta Lestari Tbk.
14. DUTI Duta Pertiwi Tbk
15. ELTY Bakrieland Development Tbk.
16. EMDE Megapolitan Developments Tbk.
17. GMTD Gowa Makassar Tourism Development Tbk
18. GPRA Perdana Gapura Prima Tbk.
19. JRPT Jaya Real Property Tbk.
20. KOTA DMS Propertindo Tbk.
21. LAND Trimitra Propertindo Tbk.
22. LPCK Lippo Cikarang Tbk
23. LPKR Lippo Karawaci Tbk.
24. LPLI Star Pacific Tbk
25. MKPI Metropolitan Kentjana Tbk.
26. MMLP Mega Manunggal Property Tbk.
27. MPRO Maha Properti Indonesia Tbk.
28. MTLA Metropolitan Land Tbk.
29. MTSM Metro Realty Tbk.
30. NIRO City Retail Developments Tbk.
31. NZIA Nusantara Almazia Tbk.
32. MORE Indonesia Prima Property Tbk
33. PAMG Bima Sakti Pertiwi Tbk.
34. PLIN Plaza Indonesia Realty Tbk.
35. POLI Pollux Hotels Group Tbk.
36. POLL Pollux Properties Indonesia Tb
37. POSA Bliss Properti Indonesia Tbk.
38. PPRO PP Properti Tbk.
39. PUDP Pudjiadi Prestige Tbk.
40. PWON Pakuwon Jati Tbk.
41. RBMS Ristia Bintang Mahkotasejati T

45
 42. RDTX Roda Vivatex Tbk
43. REAL Repower Asia Indonesia Tbk.
44. RISE Jaya Sukses Makmur Sentosa Tbk
45. RODA Pikko Land Development Tbk.
46. SATU Kota Satu Properti Tbk.
47. SMDM Suryamas Dutamakmur Tbk.
48. SMRA Summarecon Agung Tbk.
49. URBN Urban Jakarta Propertindo Tbk.

4.2 Analisis Hasil Penelitian

4.2.1 Uji Statistik
4.2.1.1 Uji Statistik Deskriptif
Dalam penelitian ini, variabel dependen terdiri dari
profitabilitas, solvabilitas, ukuran perusahaan, dan pergantian
auditor. Sementara itu, variabel independen yang diamati adalah
audit delay. Penelitian ini menggunakan laporan keuangan
perusahaan properti dan real estate yang terdaftar di situs web
Bursa Efek Indonesia selama periode tahun 2019 hingga 2021.
Untuk menguji hubungan antara variabel independen dan variabel
dependen, data dianalisis melalui tabel analisis deskriptif. Melalui
olahan data ini, akan diketahui pengaruh variabel independen
terhadap variabel dependen yang didapatkan dari laporan
keuangan.

Tabel 4.3 Analisis Statistik Deskriptif

Date: 06/08/23
Time: 12:23
Sample: 2019 2021

AD_Y PRO_X1 SOL_X2 UP_X3 PA_X4

Mean 113.1633 0.003371 0.245141 25.98093 0.319728

Median 104.0000 0.005100 0.455100 27.35720 0.000000
Maximum 331.0000 0.277400 6.877200 31.74960 1.000000
Minimum 41.00000 -0.375200 -55.72930 13.74850 0.000000
Std. Dev. 47.84679 0.069974 5.178744 4.288270 0.467965
Skewness 1.927891 -0.429832 -9.172548 -1.292018 0.773084
Kurtosis 8.242986 10.63953 96.24763 3.880179 1.597660

Jarque-Bera 259.4302 361.9965 55318.93 45.64324 26.68783

Probability 0.000000 0.000000 0.000000 0.000000 0.000002

Sum 16635.00 0.495600 36.03580 3819.197 47.00000

Sum Sq. Dev. 334240.1 0.714862 3915.630 2684.832 31.97279

Observations 147 147 147 147

46
 147

Sumber : Output Eviews 9, 2023

4.2.1.1.1 Audit delay

Audit delay adalah selisih waktu antara tanggal
penutupan laporan tahun buku dengan tanggal
penandatanganan laporan oleh auditor. Variabel ini diukur
secara kuantitatif dengan menghitung selisih jumlah hari
antara tanggal laporan audit dan tanggal laporan keuangan.
Dalam analisis deskriptif, variabel audit delay memiliki
nilai maksimum sebesar 331 hari dan nilai minimum
sebesar 41 hari. Rata-rata audit delay adalah 113,1633
dengan standar deviasi sebesar 47,84679.
Berdasarkan hasil penelitian, terdapat perusahaan
dengan audit delay terendah yaitu Puradelta Lestari Tbk
pada tahun 2020 sebesar 41 hari, sedangkan perusahaan
dengan audit delay tertinggi adalah Bakrieland
Development Tbk pada tahun 2019 sebesar 331 hari.

4.2.1.1.2 Profitabilitas
Profitabilitas merujuk pada kemampuan
perusahaan dalam menghasilkan laba dari sumber daya
yang dimilikinya, dengan harapan bahwa manajemen dapat
meningkatkan atau mempertahankan profitabilitas yang
telah dicapai. Tingkat profitabilitas yang tinggi akan
mengakibatkan perusahaan lebih cepat menghasilkan
laporan keuangan. Dalam analisis statistik dari penelitian
ini, variabel profitabilitas memiliki nilai minimum sebesar
-0,3752 dan nilai maksimum sebesar 0,2774. Nilai rata-
rata profitabilitas adalah 0,003371 dengan standar deviasi
sebesar 0,069974.

Hasil analisis dari penelitian ini menunjukkan

bahwa Megapolitan Developments Tbk mencapai nilai

47
 tertinggi dalam hal profitabilitas pada tahun 2021, yaitu
sebesar 0,2774.

4.2.1.1.3 Solvabilitas
Solvabilitas mengacu pada perbandingan antara
jumlah aset dan jumlah hutang. Solvabilitas adalah rasio
yang digunakan untuk menilai kemampuan suatu
perusahaan dalam memenuhi kewajibannya. Berdasarkan
analisis statistik deskriptif, nilai solvabilitas memiliki nilai
minimum sebesar -55,7293 dan nilai maksimum sebesar
6,8772 yang dicapai oleh Bliss Properti Indonesia Tbk.
Nilai rata-rata solvabilitas adalah 0,245141 dengan standar
deviasi sebesar 5,178744.
Dalam analisis penelitian ini, Bliss Properti
Indonesia Tbk mencapai nilai tertinggi dalam solvabilitas
pada tahun 2020, yaitu sebesar 6,8772.

4.2.1.1.4 Ukuran Perusahaan

Ukuran perusahaan merupakan besar kecilnya
perusahaan yang diukur dengan menggunakan total aset
yang dimiliki perusahaan atau total asset perusahaan yang
tercantum dalam laporan keuangan yang telah diaudit
dengan menggunakan logaritma natural. Dalam analisa
statistik penelitian ini, variabel ukuran perusahaan
memiliki nilai terendah (minimum) sebesar 13,7485 serta
nilai tertinggi (maximum) sebesar 31,7496. Nilai rata- rata
ukuran perusahaan sebesar 25,98093 dilanjutkan dengan
nilai standar deviasi sebesar 4288270.
Dalam hasil analisa penelitian ini, nilai tertinggi
dari profitabilitas diraih oleh Bumi Serpong Damai Tbk
pada tahun 2021 sebesar 31,7496.

4.2.1.1.5 Pergantian Auditor

Dalam penelitian ini, pergantian auditor dibagi
48
 menjadi dua kelompok, yaitu perusahaan yang melakukan
pergantian auditor dan perusahaan yang tidak melakukan
pergantian auditor. Berdasarkan analisis statistik deskriptif,
pergantian auditor memiliki rata-rata sebesar 0,319728 dan
standar deviasi sebesar 0,467965.

Tabel 4.4 Pergantian Auditor

Keterangan Jumlah Persentase
Melakukan Pergantian Auditor 22 14,97%
Tidak Melakukan Pergantian Auditor 125 86,03%
Total 147 100%

Berdasarkan hasil penelitian dari jumlah

data sebanyak 147 perusahaan, Terdapat 22
perusahaan yang melakukan pergantian auditor
serta terdapat 125 perusahaan yang tidak
melakukan pergantian auditor.

4.2.2 Uji Asumsi Klasik

Dalam penelitian ini, digunakan uji asumsi klasik untuk
menguji variabel yang terdapat dalam penelitian, yaitu uji
heteroskedastisitas dan uji multikolonieritas.

4.2.2.1 Hasil Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk
mengevaluasi apakah terdapat perbedaan dalam varians
dan residual dari satu pengamatan ke pengamatan
lainnya dalam model regresi. Homoskedastisitas terjadi
ketika varians residual antar pengamatan sama,
sementara heteroskedastisitas terjadi ketika variansnya
berbeda-beda. Sebuah model regresi yang baik adalah
model yang tidak mengalami heteroskedastisitas, yang
berarti mengalami homoskedastisitas. Dalam penelitian
ini, uji heteroskedastisitas dilakukan menggunakan uji
49
 Glejser, yaitu dengan mengkorelasikan nilai absolut
residual dengan variabel independen. Jika nilai
signifikansi (sig) < 0,05, maka terdapat indikasi
heteroskedastisitas. Namun, jika nilai signifikansi (sig)
> 0,05, maka tidak ada indikasi heteroskedastisitas
(Ghozali, 2018). Hasil dari uji heteroskedastisitas ini
terlihat dalam Tabel 4.5 berikut :

Tabel 4.5
Hasil Uji Heteroskedastisitas

Heteroskedasticity Test: Glejser

F-statistic 2.357527 Prob. F(4,142) 0.0564

Obs*R-squared 9.154230 Prob. Chi-Square(4) 0.0574
Scaled explained SS 12.79403 Prob. Chi-Square(4) 0.0123

Sumber Output Eviews 9, 2023

Dari hasil uji Glejser heteroskedastisitas yang

telah dilakukan, diperoleh nilai probabilitas chi-square
pada Obs*R-Squared sebesar 0,0574 > 0,05. Oleh
karena itu, dapat disimpulkan bahwa tidak terdapat
heteroskedastisitas dalam model regresi yang diuji.

4.2.2.2 Hasil Uji Multikolonieritas

Uji multikolinearitas bertujuan untuk menguji
apakah terdapat korelasi antara variabel bebas
(independen) dalam model regresi. Keberadaan
multikolinearitas akan mempengaruhi validitas model
regresi. Jika terdapat korelasi antar variabel
independen, hal ini menunjukkan adanya gejala
multikolinearitas, di mana korelasi yang tinggi antar
variabel independen akan menyulitkan pemisahan
pengaruh masing-masing variabel.
Pengujian multikolinearitas dapat dilakukan
dengan menggunakan nilai nilai tolerance atau

50
 Variance Inflation Factor (VIF). Indikator yang
digunakan adalah nilai tolerance ≤ 0,10 atau VIF ≥ 10.
Jika nilai tolerance lebih dari 0,10 atau nilai VIF
kurang dari 10, maka dapat disimpulkan bahwa tidak
terdapat multikolinearitas antar variabel independen
dalam model regresi (Ghozali, 2018). Hasil uji
multikolinearitas ditampilkan dalam Tabel 4.6 sebagai
berikut.

Tabel 4.6
Hasil Uji Multikolinieritas

Variance Inflation Factors

Date: 06/05/23 Time: 23:02
Sample: 1 148
Included observations: 147

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 780.3032 52.10370 NA
PRO_X1 3213.465 1.044501 1.042410
SOL_X2 0.588615 1.035309 1.034072
UP_X3 1.091077 52.00434 1.021990
PA_X4 121.3556 1.212748 1.031248

Sumber Output Eviews 9, 2023

Berdasarkan hasil yang terdapat pada Tabel 4.6,

dapat disimpulkan bahwa semua variabel independen,
termasuk profitabilitas, solvabilitas, ukuran
perusahaan, dan pergantian auditor, memiliki nilai VIF
yang kurang dari 10. Dengan demikian, dapat
disimpulkan bahwa tidak terdapat multikolinearitas
antar variabel independen dalam model regresi ini.
Oleh karena itu, persamaan regresi ini dapat dianggap
valid dan digunakan untuk analisis selanjutnya

4.2.3 Metode Estimasi Regresi Data Panel

4.2.3.1 Estimasi Model Regresu Data Panel

51
 Untuk menentukan model yang paling sesuai di
antara tiga model yang tersedia, yaitu Common Effect
Model (CEM), Fixed Effect Model (FEM), dan
Random Effect Model (REM), perlu dilakukan
pengujian terhadap masing-masing model tersebut.

4.2.3.1.1 Common Effect Model (CEM)

Estimasi common effect merupakan
pendekatan yang menggabungkan data time
series dan data cross section. Dalam
pendekatan ini, diasumsikan bahwa perilaku
data perusahaan adalah sama, dan dimensi
individu dan waktu tidak perlu diperhatikan.
Oleh karena itu, metode kuadrat terkecil atau
Ordinary Least Square (OLS) dapat
digunakan dalam pendekatan ini. Hasil
pengujian model common effect ditampilkan
dalam Tabel 4.7 berikut.
Tabel 4.7
Hasil Estimasi Common Effect Model
Dependent Variable: AD_Y
Method: Panel Least Squares
Date: 06/08/23 Time: 13:27
Sample: 2019 2021
Periods included: 3
Cross-sections included: 49
Total panel (balanced) observations: 147

Variable Coefficient Std. Error t-Statistic Prob.

C 149.5845 23.87519 6.265269 0.0000

PRO_X1 -160.2958 55.59204 -2.883430 0.0045
SOL_X2 0.298488 0.750960 0.397475 0.6916
UP_X3 -1.450157 0.901931 -1.607836 0.1101
PA_X4 5.387254 8.262228 0.652034 0.5154

R-squared 0.079902 Mean dependent var 113.1633

Adjusted R-squared 0.053984 S.D. dependent var 47.84679
S.E. of regression 46.53740 Akaike info criterion 10.55181
Sum squared resid 307533.6 Schwarz criterion 10.65353
Log likelihood -770.5581 Hannan-Quinn criter. 10.59314
F-statistic 3.082849 Durbin-Watson stat 0.944564
Prob(F-statistic) 0.018053

Sumber Output Eviews 9, 2023

52
 Berdasarkan hasil pengujian model common
effect yang tercantum dalam Tabel 4.7 di atas, dapat
diamati bahwa nilai probabilitas untuk variabel
profitabilitas menunjukkan angka yang lebih kecil
daripada tingkat signifikansi, yaitu 0,0045 < 0,05. Oleh
karena itu, dapat disimpulkan bahwa dalam model
common effect, variabel profitabilitas memiliki
pengaruh signifikan terhadap audit delay. Sementara
itu, variabel independen lainnya, seperti solvabilitas,
ukuran perusahaan, dan pergantian auditor
menunjukkan angka yang lebih besar dari 0,05, yang
merupakan nilai signifikansi. Oleh karena itu, dapat
disimpulkan bahwa dalam model common effect,
variabel solvabilitas, ukuran perusahaan, dan
pergantian auditor tidak memiliki pengaruh signifikan
terhadap audit delay.
Selain itu, dapat diperhatikan bahwa nilai F-
statistik menunjukkan nilai probabilitas sebesar
0,018053, yang lebih kecil dari nilai α (0,05), sehingga
dapat dikatakan bahwa secara bersama-sama variabel
independen memiliki pengaruh signifikan terhadap
variabel dependen. Selanjutnya, nilai R-Squared
menunjukkan angka sebesar 0,053984, yang berarti
bahwa seluruh variabel independen dapat menjelaskan
5,4% variasi dalam variabel dependen, sementara sisanya
sebesar 94,6% dipengaruhi oleh faktor-faktor lain di luar
lingkup penelitian ini.

4.2.3.1.2 Fixed Effect Model (FEM)

Dalam model ini, diasumsikan bahwa
53
 perbedaan antar individu dapat ditangani
dengan memperhitungkan perbedaan dalam
intercept. Estimasi data panel fixed effect
menggunakan teknik variabel dummy untuk
memperhitungkan perbedaan dalam intercept
antara satu perusahaan dengan perusahaan
lainnya, sementara slope-nya tetap sama di
antara setiap perusahaan. Model ini juga
dikenal sebagai model least squares dummy
variable (LSDV). Hasil pengujian fixed
effect model tercantum dalam Tabel 4.8
berikut :

Tabel 4.8
Hasil Estimasi Fixed Effect Model

Dependent Variable: AD_Y

Method: Panel Least Squares
Date: 06/08/23 Time: 13:29
Sample: 2019 2021
Periods included: 3
Cross-sections included: 49
Total panel (balanced) observations: 147

Variable Coefficient Std. Error t-Statistic Prob.

C -23.99334 67.30813 -0.356470 0.7223

PRO_X1 -45.01078 53.66812 -0.838688 0.4038
SOL_X2 0.553984 0.552668 1.002382 0.3187
UP_X3 5.239883 2.575925 2.034176 0.0448
PA_X4 3.238677 5.819928 0.556481 0.5792

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.766172 Mean dependent var 113.1633

Adjusted R-squared 0.636820 S.D. dependent var 47.84679
S.E. of regression 28.83458 Akaike info criterion 9.834978
Sum squared resid 78154.68 Schwarz criterion 10.91316
Log likelihood -669.8709 Hannan-Quinn criter. 10.27306
F-statistic 5.923172 Durbin-Watson stat 3.537120
Prob(F-statistic) 0.000000

54
 Sumber Output Eviews 9, 2023

Berdasarkan hasil uji fixed effect model yang

terdapat dalam Tabel 4.8, dapat diamati bahwa nilai
probabilitas untuk variabel ukuran perusahaan
menunjukkan angka yang lebih kecil dari tingkat
signifikansi, yaitu 0,0448 < 0,05. Oleh karena itu, dapat
disimpulkan bahwa dalam fixed effect model, variabel
ukuran perusahaan memiliki pengaruh signifikan
terhadap audit delay. Namun, variabel independen
lainnya, yaitu profitabilitas, solvabilitas, dan pergantian
auditor, menunjukkan angka yang lebih besar dari 0,05,
yang merupakan tingkat signifikansi yang ditetapkan.
Oleh karena itu, dapat disimpulkan bahwa dalam fixed
effect model, variabel solvabilitas dan pergantian auditor
tidak memiliki pengaruh signifikan terhadap audit delay.
Selain itu, dapat diperhatikan bahwa nilai F-
statistik menunjukkan probabilitas sebesar 0,000, yang
lebih kecil dari tingkat signifikansi α (0,05). Oleh karena
itu, dapat disimpulkan bahwa secara bersama-sama,
variabel independen secara signifikan mempengaruhi
variabel dependen. Selanjutnya, nilai R-Squared sebesar
0,636820 menunjukkan bahwa seluruh variabel
independen dapat menjelaskan 63,68% variasi dalam

55
 variabel dependen, sementara sisanya sebesar 36,32%
dipengaruhi oleh faktor-faktor lain di luar lingkup
penelitian ini.

4.2.3.1.3 Random Effect Model (REM)

Model ini digunakan untuk
mengestimasi data panel di mana variabel
gangguan mungkin saling berhubungan
antara waktu dan antar individu. Estimasi
data panel dengan menggunakan random
effect akan menemukan penyesuaian
terhadap perbedaan intersep setiap
perusahaan melalui istilah kesalahan (error
terms). Salah satu kelebihan menggunakan
model ini adalah kemampuannya dalam
mengatasi heteroskedastisitas. Model ini juga
dapat disebut sebagai Generalized Least
Square (GLS) atau Error Component Model
(ECM). Hasil uji random effect model
ditampilkan dalam Tabel 4.9 berikut :

Tabel 4.9
Hasil Estimasi Random Effect Model

56
Dependent Variable: AD_Y
Method: Panel EGLS (Cross-section random effects)
Date: 06/08/23 Time: 14:33
Sample: 2019 2021
Periods included: 3
Cross-sections included: 49
Total panel (balanced) observations: 147
Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C 120.4055 32.14432 3.745779 0.0003

PRO_X1 -90.76047 47.84723 -1.896880 0.0599
SOL_X2 0.447081 0.532522 0.839554 0.4026
UP_X3 -0.293311 1.211283 -0.242149 0.8090
PA_X4 1.797209 5.621946 0.319677 0.7497

Effects Specification
S.D. Rho

Cross-section random 36.49260 0.6156

Idiosyncratic random 28.83458 0.3844

Weighted Statistics

R-squared 0.030056 Mean dependent var 46.96779

Adjusted R-squared 0.002733 S.D. dependent var 29.43165
S.E. of regression 29.39139 Sum squared resid 122667.3
F-statistic 1.100043 Durbin-Watson stat 2.269826
Prob(F-statistic) 0.359016

Unweighted Statistics

R-squared 0.055120 Mean dependent var 113.1633

Sum squared resid 315816.9 Durbin-Watson stat 0.881629

57
 Sumber Output Eviews 9, 2023

Berdasarkan hasil uji random effect model yang

tercantum dalam Tabel 4.9 di atas, dapat diamati bahwa
nilai probabilitas untuk semua variabel lebih besar
daripada nilai signifikansi yang ditetapkan. Oleh karena
itu, dapat disimpulkan bahwa dalam model random
effect, variabel solvabilitas, ukuran perusahaan, ukuran
KAP, dan pergantian auditor tidak memiliki pengaruh
yang signifikan terhadap audit delay.
Selain itu, nilai F-statistik menunjukkan nilai
probabilitas sebesar 0,359016 yang lebih besar dari 0,05,
sehingga dapat disimpulkan bahwa secara keseluruhan,
variabel independen tidak berpengaruh secara signifikan
terhadap audit delay. Nilai R-Squared menunjukkan
persentase sebesar 0,002733, yang mengindikasikan
bahwa seluruh variabel independen hanya mempengaruhi
0,27% dari variabel dependen, sementara sisanya sebesar
99,63% dipengaruhi oleh faktor-faktor lain yang tidak
termasuk dalam penelitian ini.

4.2.4 Pemilihan Model Regresi Data Panel

Setelah melihat hasil dari Common Efect Model
(CEM), Fixed Effect Model (FEM), dan Random Effect
Model (REM) maka perlu dilakukan uji-uji untuk
mengetahui model manakah yang tepat untuk digunakan
sebagai pengujian hipotesis.

4.2.4.1 Uji Chow

Uji Chow adalah metode yang digunakan untuk

58
 memilih model yang tepat antara Fixed Effect Model
dan Common Effect Model dalam estimasi data panel.
Hipotesis yang diajukan dalam uji Chow adalah
sebagai berikut (Ajija, 2011):
H0 = Model Common Effect
H1 = Model Fixed Effect

Apabila nilai p-value dari uji chi square cross

section lebih kecil dari nilai α = 0,05, atau nilai p-value
dari uji F lebih kecil dari nilai α = 0,05, maka hipotesis
nol (H0) akan ditolak. Hal ini menunjukkan bahwa
model yang tepat untuk digunakan adalah Fixed Effect
Model. Sebaliknya, jika nilai p-value dari uji chi
square cross section lebih besar dari nilai α = 0,05,
atau nilai p-value dari uji F test lebih besar dari nilai α
= 0,05, maka hipotesis nol (H0) diterima. Dalam hal
ini, model yang digunakan adalah Common Effect
Model.

Tabel 4.10
Hasil Uji Chow
Redundant Fixed Effects Tests
Equation: CHOW_TEST
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 5.747581 (48,94) 0.0000

Cross-section Chi-square 201.374478 48 0.0000

Sumber Output Eviews 9, 2023

Berdasarkan tabel 4.10 yang disajikan di atas,

dapat dilihat bahwa nilai p-value untuk uji cross
section F adalah 0,0000, yang lebih kecil dari nilai
signifikansi 5% atau 0,0000 < 0,05. Oleh karena itu,
berdasarkan hasil ini dapat disimpulkan bahwa
hipotesis nol (H0) ditolak dan hipotesis alternatif (H1)

59
 diterima. Hal ini menunjukkan bahwa model yang
lebih tepat digunakan untuk pengujian selanjutnya
adalah Fixed Effect Model (FEM). Penggunaan Fixed
Effect Model dipilih karena dalam uji chow ini, model
regresi fixed effect menunjukkan performa yang lebih
baik daripada model regresi common effect.

4.2.4.2 Uji Hausman

Uji Hausman digunakan untuk memilih model
yang tepat antara Fixed Effect Model (FEM) dan
Random Effect Model (REM) dalam estimasi data
panel. Dalam uji Hausman, hipotesis yang diajukan
adalah sebagai berikut (Basuki, 2019):
H0 = Model Random Effect
H1 = Model Fixed Effect
Jika nilai p-value dari uji cross section random
lebih kecil dari nilai α = 0,05, maka hipotesis nol (H0)
ditolak, yang berarti Fixed Effect Model akan
digunakan. Namun, jika nilai p-value dari uji cross
section random lebih besar dari nilai α = 0,05, maka
hipotesis nol (H0) diterima, sehingga Random Effect
Model akan digunakan.

Tabel 4.11
Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Equation: HAUSMAN_TEST
Test cross-section random effects

Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.

Cross-section random 9.537204 4 0.0490

Sumber Output Eviews 9, 2023

Berdasarkan data yang tercantum dalam Tabel

4.11, diperoleh nilai probabilitas (p-value) untuk uji

60
 cross section random sebesar 0,0490. Nilai ini
menunjukkan bahwa p-value lebih kecil dari nilai
signifikansi 5% (0,0490 < 0,05). Oleh karena itu,
hipotesis nol (H0) ditolak dan hipotesis alternatif (H1)
diterima. Dengan demikian, model yang tepat untuk
pengujian selanjutnya adalah Fixed Effect Model
(FEM). Pilihan FEM dalam uji hausman dipilih karena
model regresi fixed effect dianggap lebih baik
dibandingkan dengan random effect model.

4.2.4.3 Uji Langrange Multiplier

Uji Langrange Multiplier (LM) digunakan
untuk memilih model estimasi data panel antara
random effect dan common effect. Berikut adalah
hipotesis yang diajukan dalam uji LM (Nachrowi dan
Usman, 2006) :
H0 = Model Common Effect
H1 = Model Random Effect

Uji Langrange Multiplier (LM) ini menggunakan

distribusi chi-square dengan derajat kebebasan sejumlah
variabel bebas. Jika nilai statistik LM lebih besar dari chi-
square (0,05), maka H0 ditolak, yang menunjukkan bahwa
metode yang tepat adalah Random Effect Model. Namun, jika
nilai statistik LM lebih kecil dari chi-square (0,05), maka H0
diterima, sehingga metode yang digunakan adalah Common
Effect Model.

Tabel 4.12
Hasil Uji Langrange Multiplier
Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives

Test Hypothesis
Cross-section Time Both

61
 Breusch-Pagan 47.82619 0.018369 47.84456
(0.0000) (0.8922) (0.0000)

Honda 6.915648 0.135531 4.985936

(0.0000) (0.4461) (0.0000)

King-Wu 6.915648 0.135531 1.515922

(0.0000) (0.4461) (0.0648)

Standardized Honda 7.136824 0.896986 0.366120

(0.0000) (0.1849)
(0.3571)

Standardized King-Wu 7.136824 0.896986 -0.520311

(0.0000) (0.1849) --
Gourierioux, et al.* -- -- 47.84456
(< 0.01)

*Mixed chi-square asymptotic critical values:

1% 7.289
5% 4.321
10% 2.952

Sumber Output Eviews 9, 2023

Berdasarkan Tabel 4.12 yang diberikan, nilai p-

value dari uji Breusch-Pagan cross section adalah
0,0000, yang lebih kecil dari nilai signifikansi (0,05).
Oleh karena itu, H0 ditolak, dan dapat disimpulkan
bahwa model yang tepat untuk digunakan adalah
Random Effect Model (REM). Terpilihnya Random
Effect Model (REM) dalam uji Lagrange Multiplier
dikarenakan model regresi Random Effect lebih
superior dibandingkan dengan Common Effect Model.

4.2.5 Kesimpulan Model

Berdasarkan hasil pengujian yang dilakukan, maka
dapat disimpulkan hasil sebagai berikut :
Tabel 4.13
Hasil Uji Pemilihan Model

Metode Pengujian Hasil

Uji Chow Common Effect Model vs Fixed Fixed Effect
Effect Model Model
Uji Hausman Fixed Effect Model vs Random Fixed Effect
Effect Model Model
62
Uji Lagrange Random Effect Model vs Random Effect
Multiplier Common Effect Model Model

Berdasarkan hasil tabel di atas, dari tiga uji yang

dilakukan, sebagian besar hasil menunjukkan bahwa Fixed
Effect Model (FEM) adalah model yang tepat. Oleh karena
itu, model ini akan digunakan lebih lanjut dalam pengujian
hipotesis.

4.2.6 Analisis Regresi Data Panel

Dalam penelitian ini, metode analisis yang digunakan
adalah regresi data panel. Data panel menggabungkan data time
series dan data cross section. Data time series yang digunakan
mencakup periode 3 tahun, yaitu dari tahun 2019 hingga 2021.
Sementara itu, data cross section diperoleh dari 49 perusahaan
properti dan real estate yang terdaftar di Bursa Efek Indonesia,
yang menjadi sampel penelitian.
Dalam uji regresi data panel, digunakan Fixed Effect
Model (FEM) sebagai model estimasi regresi. Hal ini bertujuan
untuk mengidentifikasi hubungan antara variabel-variabel
independen, yaitu profitabilitas, solvabilitas, ukuran
perusahaan, ukuran KAP, dan pergantian auditor, terhadap
variabel dependen yaitu audit delay pada perusahaan properti
dan real estate. Hasil regresi menggunakan Fixed Effect Model
(FEM) ditampilkan dalam tabel 4.14 berikut ini:

Tabel 4.14
Hasil Analisis Regresi Data Panel

Variable Coefficient Std. Error t-Statistic Prob.

C -23.99334 67.30813 -0.356470 0.7223

PRO_X1 -45.01078 53.66812 -0.838688 0.4038
SOL_X2 0.553984 0.552668 1.002382 0.3187
UP_X3 5.239883 2.575925 2.034176 0.0448
PA_X4 3.238677 5.819928 0.556481 0.5792

63
 Sumber Output Eviews 9, 2023
Berdasarkan hasil dari tabel analisis regresi data
panel diatas, dapat dirumuskan persamaan regresi data panel
sebegai berikut :
Y = -23,99334 – 45,01078 PRO_X1 + 0,553984
SOL_X2 + 5,239883 UP_X3 + 3,238677 PA_X4

Berikut adalah analisis dari persamaan regresi data

panel diatas :
1. Konstanta (-23.99334) mengindikasikan bahwa jika nilai
profitabilitas, solvabilitas, ukuran perusahaan, dan pergantian
auditor adalah nol, maka audit delay akan mengalami
penurunan sebesar 23.99334.
2. Koefisien regresi variabel profitabilitas (-45.01078)
menunjukkan bahwa jika variabel independen lainnya tetap
dan profitabilitas mengalami peningkatan satu satuan, maka
audit delay akan mengalami penurunan sebesar 45.01078.
Koefisien negatif menunjukkan adanya hubungan negatif
antara profitabilitas dengan audit delay. Artinya, jika nilai
profitabilitas meningkat, maka nilai audit delay akan menurun,
dan sebaliknya.
3. Koefisien regresi variabel solvabilitas (0.553984)
menunjukkan bahwa jika variabel independen lainnya tetap
dan solvabilitas mengalami peningkatan satu satuan, maka
audit delay akan mengalami peningkatan sebesar 0.553984.
Koefisien positif menunjukkan adanya hubungan positif antara
solvabilitas dengan audit delay. Artinya, jika nilai solvabilitas
meningkat, maka nilai audit delay juga akan meningkat.
4. Koefisien regresi variabel ukuran perusahaan (5.239883)
menunjukkan bahwa jika variabel independen lainnya tetap
dan ukuran perusahaan mengalami peningkatan satu satuan,
maka audit delay akan mengalami peningkatan sebesar
5.239883. Koefisien positif menunjukkan adanya hubungan

64
 positif antara ukuran perusahaan dengan audit delay. Artinya,
jika nilai ukuran perusahaan meningkat, maka nilai audit delay
juga akan meningkat.
5. Koefisien regresi variabel pergantian auditor (3.238677)
menunjukkan bahwa jika variabel independen lainnya tetap
dan terjadi pergantian auditor sebesar satu satuan, maka audit
delay akan mengalami peningkatan sebesar 3.238677.
Koefisien positif menunjukkan adanya hubungan positif antara
pergantian auditor dengan audit delay. Artinya, jika terjadi
pergantian auditor, maka nilai audit delay juga akan
meningkat.

4.2.7 Uji Hipotesis

4.2.7.1 Uji T
Uji T digunakan untuk menguji pengaruh masing-
masing variabel independen terhadap variabel dependen secara
parsial. Pengujian dilakukan dengan melihat signifikan (Sig)
masing-masing variabel dengan signifikansi α = 0,05.
Untuk menguji pengaruh masing-masing variabel
independen terhadap variabel dependen secara parsial,
digunakan uji T. Uji T dilakukan dengan memeriksa
signifikansi (Sig) masing-masing variabel dengan tingkat
signifikansi α = 0,05.
 Jika nilai signifikansi (Sig) dari variabel independen lebih
kecil dari 0,05, maka secara parsial variabel independen
tersebut berpengaruh secara signifikan terhadap variabel
dependen. Hal ini menunjukkan bahwa ada hubungan yang
signifikan antara variabel independen dan variabel dependen.
 Namun, jika nilai signifikansi (Sig) dari variabel independen
lebih besar dari 0,05, maka secara parsial variabel independen
tidak berpengaruh secara signifikan terhadap variabel
dependen. Dalam hal ini, tidak terdapat hubungan yang
signifikan antara variabel independen dan variabel dependen.

65
 Tabel 4.15
Hasil Uji T
Variable Coefficient Std. Error t-Statistic Prob.

C -23.99334 67.30813 -0.356470 0.7223

PRO_X1 -45.01078 53.66812 -0.838688 0.4038
SOL_X2 0.553984 0.552668 1.002382 0.3187
UP_X3 5.239883 2.575925 2.034176 0.0448
PA_X4 3.238677 5.819928 0.556481 0.5792

Sumber Output Eviews 9, 2023

1. Pengaruh profitabilitas terhadap audit delay

Hipotesis pertama dalam penelitian ini menyatakan bahwa
profitabilitas memiliki pengaruh signifikan secara negatif terhadap
audit delay pada perusahaan properti dan real estate yang terdaftar
di Bursa Efek Indonesia pada periode 2019-2021. Namun,
berdasarkan analisis uji T yang dilakukan dengan menggunakan
tabel hasil, ditemukan bahwa nilai t hitung sebesar -0,838688
dengan nilai signifikansi sebesar 0,4038. Hasil ini menunjukkan
bahwa nilai signifikansi lebih kecil dari taraf signifikansi yang
ditetapkan sebesar 5% (0,4038 > 0,05). Oleh karena itu, hipotesis
pertama ditolak, yang berarti bahwa tidak terdapat pengaruh
signifikan antara profitabilitas dan audit delay pada perusahaan
properti dan real estate yang terdaftar di Bursa Efek Indonesia
pada periode 2019-2021.

2. Pengaruh solvabilitas terhadap audit delay

Hipotesis kedua dalam penelitian ini menyatakan bahwa
solvabilitas memiliki pengaruh terhadap audit delay pada
perusahaan properti dan real estate yang terdaftar di Bursa Efek
Indonesia pada periode 2019-2021. Namun, berdasarkan analisis
uji T yang dilakukan dengan menggunakan tabel hasil, ditemukan
bahwa nilai t hitung sebesar 1.002382 dengan nilai signifikansi

66
 sebesar 0,3187. Hasil ini menunjukkan bahwa nilai signifikansi
lebih besar dari taraf signifikansi yang ditetapkan sebesar 5%
(0,3187 > 0,05). Oleh karena itu, hipotesis kedua ditolak, yang
berarti bahwa solvabilitas tidak memiliki pengaruh signifikan
terhadap audit delay pada perusahaan properti dan real estate yang
terdaftar di Bursa Efek Indonesia pada periode 2019-2021.

3. Pengaruh ukuran perusahaan terhadap audit delay

Hipotesis ketiga dalam penelitian ini menyatakan bahwa
ukuran perusahaan memiliki pengaruh terhadap audit delay pada
perusahaan properti dan real estate yang terdaftar di Bursa Efek
Indonesia pada periode 2019-2021. Berdasarkan hasil analisis uji
T menggunakan tabel yang diberikan, ditemukan bahwa nilai t
hitung sebesar 2.034176 dengan nilai signifikansi sebesar 0,0448.
Nilai signifikansi ini lebih kecil dari taraf signifikansi yang
ditetapkan sebesar 5% (0,0448 < 0,05). Oleh karena itu, hipotesis
ketiga dapat diterima, yang berarti bahwa ukuran perusahaan
memiliki pengaruh positif signifikan terhadap audit delay pada
perusahaan properti dan real estate yang terdaftar di Bursa Efek
Indonesia pada periode 2019-2021.

4. Pengaruh pergantian auditor terhadap audit delay

Hipotesis keempat dalam penelitian ini menyatakan bahwa
pergantian auditor berpengaruh terhadap audit delay pada
perusahaan properti dan real estate yang terdaftar di Bursa Efek
Indonesia pada periode 2019-2021. Namun, berdasarkan tabel
hasil uji T, ditemukan bahwa nilai t hitung sebesar 0,556481
dengan nilai signifikansi sebesar 0,5792. Nilai signifikansi ini
lebih besar dari taraf signifikansi yang ditetapkan sebesar 5%
(0,5792 > 0,05). Oleh karena itu, hipotesis keempat harus ditolak.
Dengan demikian, dapat disimpulkan bahwa pergantian auditor
tidak memiliki pengaruh signifikan terhadap audit delay pada
perusahaan properti dan real estate yang terdaftar di Bursa Efek
Indonesia pada periode 2019-2021.

67
4.2.7.2 Uji F dan Koefisien Determinasi (R2)
Untuk menguji apakah model regresi yang digunakan
cocok atau tidak, dapat dilakukan dengan menggunakan uji
statistik F. Pada tingkat signifikansi 0,05 (α = 5%), jika nilai
signifikansi F lebih besar dari 5%, maka model regresi
dianggap tidak cocok. Sebaliknya, jika nilai probabilitas lebih
kecil dari 0,05 (α = 5%), maka model regresi dianggap cocok
(Ghozali, 2018).
Selain itu, koefisien determinasi digunakan untuk
mengukur sejauh mana profitabilitas, solvabilitas, ukuran
perusahaan, dan pergantian auditor mempengaruhi audit delay.
Nilai koefisien determinasi ditunjukkan oleh adjusted R-
square.

Tabel 4.16
Hasil Uji F dan R2

Cross-section fixed (dummy variables)

R-squared 0.766172 Mean dependent var 113.1633

Adjusted R-squared 0.636820 S.D. dependent var 47.84679
S.E. of regression 28.83458 Akaike info criterion 9.834978
Sum squared resid 78154.68 Schwarz criterion 10.91316
Log likelihood -669.8709 Hannan-Quinn criter. 10.27306
F-statistic 5.923172 Durbin-Watson stat 3.537120
Prob(F-statistic) 0.000000

Sumber Output Eviews 9, 2023

Dari analisis data, diperoleh nilai F sebesar 5.923172

dengan signifikansi sebesar 0,00000. Artinya, nilai signifikansi
tersebut lebih rendah daripada 0,05. Dengan demikian, dapat
disimpulkan bahwa profitabilitas, solvabilitas, ukuran perusahaan,
ukuran KAP, dan pergantian auditor memiliki pengaruh yang
signifikan terhadap audit delay. Selain itu, nilai adjusted R square
ditemukan sebesar 0,636820 atau 63,68%. Hal ini menjelaskan
bahwa variabel independen dalam penelitian ini, yaitu
profitabilitas, solvabilitas, ukuran perusahaan, dan pergantian
auditor, dapat menjelaskan sebanyak 63,68% variasi dalam variabel

68
 dependen (audit delay). Sisanya sebesar 36,32% dipengaruhi oleh
faktor lain yang tidak diteliti dalam penelitian ini.

4.3 Pembahasan
Penelitian ini bertujuan untuk menguji dampak profitabilitas,
solvabilitas, ukuran perusahaan, dan reputasi auditor terhadap audit delay
pada perusahaan property dan real estate yang terdaftar di Bursa Efek
Indonesia pada periode tahun 2019 hingga 2021. Berikut adalah penjelasan
dari hasil penelitian yang telah dilakukan.
4.3.1 Pengaruh profitabilitas terhadap audit delay
Dalam penelitian ini, hasil uji t menunjukkan bahwa
profitabilitas (X1) memiliki nilai negatif sebesar -0,838688
terhadap audit delay (Y). Ini berarti setiap peningkatan
leverage sebanyak 1 satuan akan menurunkan audit delay
sebesar 0,838688. Namun, hasil uji t menunjukkan bahwa
secara parsial, profitabilitas tidak memiliki pengaruh
signifikan terhadap audit delay. Hal ini terlihat dari nilai
signifikansi yang diperoleh sebesar 0,4038 > 0,05. Oleh
karena itu, dapat disimpulkan bahwa profitabilitas tidak
berpengaruh terhadap audit delay pada perusahaan properti
dan real estat yang terdaftar di Bursa Efek Indonesia pada
tahun 2019-2021.
Hasil penelitian ini menunjukkan bahwa hipotesis H1
ditolak dan H0 diterima. Penolakan hipotesis ini disebabkan
oleh fakta bahwa kemampuan perusahaan untuk
menghasilkan keuntungan yang lebih tinggi dan melakukan
transaksi penjualan yang menguntungkan tidak mendorong
manajemen untuk mempercepat penyajian laporan keuangan
yang telah diaudit. Auditor cenderung lebih berhati-hati
dalam memeriksa detail transaksi, baik yang nyata maupun
fiktif, untuk memastikan bahwa perusahaan memperoleh
keuntungan. Tindakan hati-hati auditor ini dapat
menyebabkan keterlambatan dalam pelaporan keuangan.

69
 Hasil penelitian ini sejalan dengan penelitian
Simatupang et al. (2018), yang juga menunjukkan bahwa
profitabilitas tidak memiliki pengaruh signifikan terhadap
audit delay. Penyebabnya adalah tidak semua perusahaan
dengan tingkat profitabilitas rendah akan mengalami audit
delay yang lebih lama. Hal ini disebabkan oleh
profesionalisme dari kantor akuntan publik yang melakukan
audit terhadap perusahaan klien. Mereka akan bekerja
dengan cermat dan menyelesaikan laporan audit sesuai
dengan jadwal yang telah ditentukan sebelumnya. Dengan
demikian, meskipun perusahaan memiliki profitabilitas
rendah, tidak berarti secara otomatis akan mengalami
keterlambatan dalam proses audit.
Namun, hasil penelitian Liwe et al. (2018)
menunjukkan kebalikan, yaitu profitabilitas memiliki
pengaruh signifikan terhadap audit delay. Hal ini
dikarenakan perusahaan yang memiliki laba yang
meningkat memiliki kemampuan untuk membayar biaya
audit yang lebih tinggi. Sehingga, perusahaan dapat
memilih Kantor Akuntan Publik (KAP) yang dapat
menyelesaikan proses audit lebih cepat. Selain itu,
perusahaan dengan tingkat profitabilitas yang tinggi (good
news) cenderung menginginkan audit diselesaikan dengan
segera dan tidak akan menunda penerbitan laporan
keuangan mereka. Dengan demikian, perusahaan yang
mengalami good news kemungkinan akan menyampaikan
laporan keuangan lebih cepat daripada perusahaan dengan
profitabilitas rendah atau mengalami kerugian.

4.3.2 Pengaruh solvabilitas terhadap audit delay

Dalam uji t, diperoleh hasil bahwa leverage (X2)
memiliki pengaruh positif sebesar 1,002382 terhadap audit
delay (Y). Artinya, setiap peningkatan satu satuan dalam

70
leverage akan meningkatkan audit delay sebesar 1,002382.
Namun, hasil uji t menunjukkan bahwa secara parsial
solvabilitas tidak memiliki pengaruh signifikan terhadap
audit delay. Hal ini dapat dilihat dari nilai signifikansi yang
diperoleh, yaitu 0,3187 > 0,05. Dengan demikian, dapat
disimpulkan bahwa solvabilitas tidak berpengaruh terhadap
audit delay pada perusahaan properti dan real estate yang
terdaftar di Bursa Efek Indonesia tahun 2019-2021.
Penolakan hipotesis ini didasarkan pada fakta bahwa
baik di perusahaan dengan tingkat utang tinggi maupun
rendah, auditor akan tetap melakukan audit dengan prosedur
yang sama. Selain itu, untuk memudahkan pekerjaan audit,
manajemen perusahaan perlu bekerja sama dengan auditor
dengan memberikan informasi yang cukup mengenai tingkat
solvabilitas perusahaan, sebagaimana disebutkan oleh
Fairuzzaman et al. (2022).
Hasil penelitian ini sejalan dengan penelitian yang
dilakukan oleh Rahmawati (2015), yang juga menunjukkan
bahwa solvabilitas tidak memiliki pengaruh signifikan
terhadap audit delay. Penelitian ini tidak konsisten dengan
logika teori dan hipotesis yang ada. Menurut logika tersebut,
perusahaan yang memiliki Debt-to-Equity Ratio (DER) yang
tinggi atau rendah akan tetap berupaya meminimalkan audit
delay guna memberikan keyakinan kepada pemegang saham
dan kreditornya bahwa perusahaan berada dalam kondisi
yang baik. Selain itu, sesuai dengan standar kualitas
pekerjaan auditor, auditor akan melakukan prosedur audit
sesuai dengan waktu yang diperlukan untuk menyelesaikan
audit terkait utang. Oleh karena itu, tingkat solvabilitas
perusahaan seharusnya tidak memiliki pengaruh terhadap
audit delay.
Namun hasil penelitian ini tidak sejalan dengan
penelitian yang dilakukan Rudianti et al. (2022) menyatakan
bahwa solvabilitas memiliki pengaruh signifikan terhadap

71
 audit delay. Hal ini dikarenakan ukuran utang yang dimiliki
perusahaan. Jika perusahaan memiliki utang yang besar,
maka pemeriksaan dan pelaporan terhadap utang akan
memakan waktu lebih lama, yang pada akhirnya dapat
memperlambat proses audit oleh auditor. Perusahaan yang
memiliki rasio utang yang tinggi dibandingkan dengan aset
keseluruhan cenderung menghadapi risiko kerugian yang
lebih tinggi. Kondisi ini akan membuat auditor lebih berhati-
hati dalam memeriksa laporan keuangan karena hal tersebut
berkaitan dengan kelangsungan hidup perusahaan dalam
menyampaikan laporan keuangan tahunan.

4.3.3 Pengaruh ukuran perusahaan terhadap audit delay

Dalam uji t, diperoleh hasil bahwa ukuran perusahaan
(X3) memiliki pengaruh positif sebesar 2.034176 terhadap
audit delay (Y). Artinya, setiap peningkatan satu satuan
dalam leverage akan meningkatkan audit delay sebesar
2.034176. Namun, hasil uji t menunjukkan bahwa secara
parsial ukuran perusahaan memiliki pengaruh signifikan
terhadap audit delay. Hal ini dapat dilihat dari nilai
signifikansi yang diperoleh, yaitu 0,0448 < 0,05. Dengan
demikian, dapat disimpulkan bahwa ukuran perusahaan
berpengaruh terhadap audit delay pada perusahaan properti
dan real estate yang terdaftar di Bursa Efek Indonesia tahun
2019-2021.
Berdasarkan hasil penelitian ini didapatkan bahwa
ukuran perusahaan berpengaruh terhadap audit delay, dengan
demikian H3 diterima. Penyebab dari pengaruh signifikan
ukuran perusahaan terhadap audit delay ini adalah adanya
sistem pengendalian internal yang lebih baik di perusahaan-
perusahaan besar. Sistem ini membantu mengurangi tingkat
kesalahan dalam penyusunan laporan keuangan, sehingga
memudahkan auditor dalam melaksanakan audit terhadap
laporan keuangan tersebut. Dengan demikian, perusahaan
72
 besar memiliki keunggulan dalam hal pengendalian internal
yang lebih efektif, yang pada akhirnya mempengaruhi
kemampuan mereka dalam mengajukan laporan keuangan
tepat waktu.
Penelitian ini konsisten dengan temuan Alfiani dan
Nurmala (2020), mengindikasikan bahwa ukuran perusahaan
memiliki pengaruh signifikan terhadap audit delay. Temuan
ini menunjukkan bahwa perusahaan yang lebih besar
cenderung lebih konsisten dalam mengajukan laporan
keuangan tepat waktu dibandingkan dengan perusahaan yang
lebih kecil. Pengaruh ini dapat diamati dari hubungan yang
terlihat antara nilai aset perusahaan dan lamanya audit delay.
Semakin tinggi nilai aset, semakin tinggi waktu audit delay,
dan sebaliknya. Namun hasil penelitian ini tidak sejalan
dengan penelitian yang dilakukan Pattinaja dan Siahainenia
(2020) menyatakan bahwa ukuran perusahaan (company size)
tidak memiliki pengaruh signifikan terhadap audit delay. Hal
ini dikarenakan perusahaan yang semakin besar memiliki
sistem pengendalian yang efektif, sehingga dapat mengurangi
tingkat kesalahan dalam menyampaikan laporan keuangan.
Hal ini memudahkan auditor dalam melakukan audit terhadap
laporan keuangan.

4.3.4 Pengaruh pergantian auditor terhadap audit delay

Dalam penelitian ini, ditemukan bahwa pergantian
auditor (X4) memiliki pengaruh positif sebesar 0,556481
terhadap audit delay (Y), yang berarti setiap peningkatan
pergantian auditor sebanyak 1 satuan akan meningkatkan
audit delay sebesar 0,556481. Namun, hasil uji t
menunjukkan bahwa secara parsial, pergantian auditor tidak
memiliki pengaruh signifikan terhadap audit delay. Hal ini
dapat dilihat dari nilai signifikansi sebesar 0,5791 > 0,05.
Oleh karena itu, dapat disimpulkan bahwa pergantian auditor
memiliki pengaruh positif tetapi tidak signifikan terhadap

73
audit delay pada perusahaan properti dan real estate yang
terdaftar di Bursa Efek Indonesia pada tahun 2019-2021.
Berdasarkan hasil penelitian ini didapatkan bahwa
pergantian auditor tidak berpengaruh terhadap audit delay,
dengan demikian H4 ditolak. Hal ini menunjukkan bahwa
jika perusahaan melakukan pergantian auditor tidak
mempunyai pengaruh yang signifikan terhadap audit delay.
Hal ini dikarenakan pergantian auditor dapat dilakukan jauh
sebelum hubungan perusahaan dengan auditor lama
berakhir. Sehingga auditor baru dapat mengatur waktu
mereka untuk memahami lingkungan bisnis klien dan risiko
audit klien dari awal sehingga tidak dapat mempengaruhi
proses audit.
Hasil penelitian ini sejalan dengan penelitian yang
dilakukan oleh Widhiasari dan Budiartha (2016) yang
menunjukkan bahwa pergantian auditor tidak
mempengaruhi audit delay secara signifikan. Hal ini
dikarenakan pergantian auditor tidak dapat menjamin
kepatuhan dalam penyampaian laporan keuangan
perusahaan tepat waktu. Lamanya proses audit tidak
dipengaruhi oleh pergantian auditor, karena pergantian
auditor dapat dilakukan jauh sebelum akhir tahun buku.
Auditor baru memiliki kesempatan untuk mengatur waktu
mereka guna memahami lingkungan bisnis klien dan risiko
audit klien sejak awal, sehingga tidak mempengaruhi proses
audit secara signifikan.
Namun, hasil penelitian Verawati dan Wirakusuma
(2016) menunjukkan kebalikan, yaitu pergantian auditor
berpengaruh terhadap audit delay. Hal ini menunjukkan
bahwa jika perusahaan atau emiten mengganti auditor,
maka akan mengakibatkan penundaan dalam proses audit
perusahaan. Hal ini disebabkan oleh banyaknya prosedur
yang harus dijalani oleh auditor pengganti dalam proses
pengauditan. Jika perusahaan memutuskan untuk mengganti

74
auditor, proses ini akan memakan waktu lebih lama
dibandingkan jika auditor sebelumnya tetap melanjutkan
tugasnya. Auditor baru akan memerlukan waktu yang cukup
lama untuk memahami karakteristik bisnis klien dan sistem
yang ada di dalamnya, sehingga memerlukan waktu lebih
lama dalam melaksanakan proses auditnya. Akibatnya, ini
dapat menyebabkan penundaan dalam penyampaian laporan
keuangan yang telah diaudit.

75