3.

1 Jenis Penelitian

Penelitian ini merupakan jenis penelitian kuantitatif dan menggunakan metode

asosiatif. Menurut Sugiyono, (2019) penelitian kuantitatif dapat diartikan sebagai metode

penelitian yang didasarkan pada filosofi positivisme, digunakan untuk mempelajari

populasi atau sampel tertentu, pengumpulan data menggunakan alat penelitian, analisis

data bersifat kuantitatif/statistik dan memiliki tujuan yang terlebih dahulu telah ditetapkan

untuk menguji hipotesis. Metode asosiatif menurut Sugiyono, (2019) adalah penelitian

yang bertujuan untuk menentukan hubungan antara dua variabel atau lebih, serta mencari

peran, pengaruh, dan hubungan sebab akibat antara variabel bebas (independent) dan

variabel terikat (dependent).

3.2 Tempat dan Waktu Penelitian

3.2.1 Tempat Penelitian

Penelitian ini menguji tentang Pengaruh Ukuran Perusahaan dan Financial

Distress Terhadap Audit Delay dengan Opini Audit Sebagai Variabel Pemoderasi, dengan

menggunakan data sekunder. Data sekunder adalah data yang diambil dari website resmi

Bursa Efek Indonesia (BEI) dengan masuk untuk melakukan penelitian dan bukan untuk

menyelesaikan masalah yang dihadapi. Bursa Efek Indonesia beralamat di Jl. Jend.

sudirman kav 52-53, RT.5/RW.3, Senayan, Kec. Kby. Baru, Kota Jakarta Selatan, Daerah

Khusus Ibukota Jakarta 12190.

3.2.2 Waktu Penelitian

Penelitian diperkirakan selesai dalam enam bulan, adapun rincian kegiatannya

sebagai berikut:

Tabel 3.1
Waktu Penelitian
 Waktu Penelitian
No Keterangan Bulan ke:
Nov Des Jan Feb Mar Apr
1 Penyusunan Proposal Vv 6

2 Penyusunan Instrumen Penelitian V

3 Seminar Proposal V
4 Pembimbingan V V V
5 Penyusunan Bab I – III V V V
6 Pengolahan Data Bab IV V V
7 Penyusunan Bab V dan Lampiran V
8 Penyusunan Laporan Penelitian V

3.3 Variabel Penelitian

Variabel merupakan segala sesuatu yang telah ditetapkan oleh peneliti untuk

dipelajari lebih lanjut sehingga menghasilkan informasi terkait dengan hubungan dan

pengaruh antara masing-masing variabel yang telah ditentukan, kemudian ditarik

kesimpulanya (Sugiyono, 2019). Dalam penelitian ini terdapat dua variabel bebas

(Independent), satu variabel terikat (dependent), dan satu variabel pemoderasi

(Moderating). Berikut ini adalah definisi operasional dari masing-masing variabel:

3.3.1 Dependent Variable

Variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi akibat

karena adanya variabel bebas (Sugiyono, 2019:69). Variabel dependen ialah variabel yang

dihasilkan karena adanya perubahan variabel lainnya (Hardani, 2020, hlm. 305).

Berdasarkan definisi menurut para ahli, penulis menyimpulkan bahwa variabel terikat

ialah variabel bergantung pada variabel lainya dan setiap perubahan yang terjadi pada

varibel terikat dipengaruhi oleh varibel lainya. Variabel terikat dalam penelitian ini

adalah Audit Delay.

Audit Delay merupakan lamanya atau rentang waktu yang dibutuhkan seorang

auditor menyelesaikan tugas audit atas laporan keuangan yang dapat dihitung dari
 tanggal tutup buku perusahaan yaitu 31 Desember sampai dengan tangal laporan audit

diterbitkan (Apriyana, 2017). Banyaknya transaksi yang harus diaudit dan

pengendalian internal yang kurang baik, sehingga menyebabkan audit delay semakin

meningkat. Jika Audit Delay semakin lama, maka semakin besar kemungkinan

perusahaan terlambat menyampaikan laporan keuangan ke Otoritas Jasa Keuangan

(OJK) dan para pengguna lainnya.

Pengukuran Variabel audit delay dalam studi ini dilihat dari tanggal

penyampaian Lakoran Keuangan teraudit dimana Perusahaan yang menyampaikan

setelah akhir bulan ketiga dinyatakan mengalami audit delay. Menurut penelitian

Wendy, dkk. (2019) variabel audit delay menggunakan variabel dummy dimana

Perusahaan yang mengalami audit delay diberi kode 1 sedangkan yang tidak

mengalami audit delay, diberi kode 0.

3.3.2 Independent Variable

Variabel bebas adalah variabel yang mempengaruhi atau yang menjadi sebab

perubahannya atau timbulnya variable dependen (Sugiyono, 2019:69). Variabel bebas

dalam penelitian ini ada 2 (dua) yaitu:

a) Ukuran Perusahaan

Ukuran Perusahaan merupakan besar atau kecilnya sebuah perusahaan dalam

menjalankan operasinya yang dapat dilihat dari nilai total aktiva/asset yang dimiliki

perusahaan. Ukuran Perusahaan merupakan faktor yang perlu diuji pengaruhnya

terhadap Audit Delay yang kemungkinan akan dialami oleh suatu perusahaan. Ukuran

Perusahaan dapat diukur dari jumlah aktiva yang dimiliki oleh suatu perusahaan.

Menurut penelitian Stiawan & Ningsih, (2021) ukuran perusahaan dapat digambarkan d

engan rumus berikut:

 Ukuran Perusahaan = Ln (Total Asset)

b) Financial Distress

Financial Distress merupakan kondisi dimana keuangan perusahaan dalam

keadaan tidak sehat dan terjadi sebelum kebangkrutan. Karena semakin tinggi nilai rasio

Financial Distress maka perusahaan tersebut dianggap sedang mengalami kesulitan

keuangan. Menurut penelitian Karina & Julianto, (2022) Financial Distress dapat diukur

dengan skala rasio menggunakan Altman Z-Score revisi (model kedua tahun 1983). Be

rikut rumus Z’ Score yang telah direvisi:

Z= 0,717X1+0,847X2+3,107X3+ 0,420x4+0,998X5

Dimana:

Z = Indeks Kebankrutan

X1 = Modal Kerja / Total Aset

X2 = Laba Ditahan / Total Aset

X3 = Laba Sebelum Bunga dan Pajak / Total Aset

X4 = Nilai Buku Ekuitas / Total Liability

X5 = Penjualan / Total Aset

3.3.3 Moderating Variable

Menurut Sugiyono (2019:64) variabel moderating yaitu variabel yang

memoderasi (memperkuat dan memperlemah) hubungan antara variabel independen dan

dependen. Variabel pemoderasi dalam penelitian ini adalah Opini Audit.

Opini audit adalah kesimpulan dari temuan yang telah diaudit atas kecukupan suatu

laporan. Oleh karena itu, opini audit wajar tanpa pengecualian sangat lah penting bagi

perusahaan khususnya bagi perusahaan yang sudah go-public karena hal ini merupakan

indikator kesehatan perusahaan. Indikator dari opini audit diukur dengan menggunakan

variabel dummy, diberikan nilai 1 apabila suatu perusahaan mendapatkan opini audit wajar
 tanpa pengecualian (unqualified) dan akan diberikan nilai 0 apabila perusahaan

mendapatkan selain opini audit wajar tanpa pengecualian (unqualified) (Luthfiyati, 2016).

Tabel 3.2

Operasional Variabel Penelitian

No. Nama Variabel Indikator Pengukuran Skala

1 Audit Delay 1 = Mengalami audit delay Nominal
(Ruchana & Khikmah, 0 = Tidak mengalami audit
2020) delay

2 Ukuran Perusahaan Ukuran Perusahaan = Ln (Total Rasio

(Stiawan & Ningsih, Aset)
2021)
3 Financial Distress Z= Rasio
(Karina & Julianto, 2022) 0,717X1+0,847X2+3,107X3+
0,420x4+0,998X5
4 Opini Audit 1 = Wajar Tanpa Pengecualian Nominal
(Luthfiyati, 2016).
0 = Selain Wajar Tanpa
Pengecualian

3.4 Populasi dan Sampel

3.4.1 Populasi

Populasi adalah wilayah generalisasi (suatu kelompok) yang terdiri dari objek atau

subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti

untuk dipelajari dan kemudian ditarik kesimpulan (Sugiyono, 2018:117). Pada penelitian

ini, populasi yang akan digunakan adalah semua perusahaan sektor kesehatan yang

terdaftar di BEI.

3.4.2 Sampel

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi

tersebut sampel yang diambil dari populasi tersebut harus betul-betul representatif atau
 mewakili populasi yang diteliti (Sugiyono, 2018:81). Sedangkan menurut Arikunto

(2019:109) sampel adalah sebagian atau wakil dari populasi yang akan diteliti. Dapat

disimpulkan bahwa sampel adalah sebagian atau wakil representatif dari populasi yang

akan diteliti. Berikut adalah kriteria-kriteria pengambilan sampel menggunakan metode

purpose sampling dalam penelitian ini :

1. Perusahaan Sektor Kesehatan yang terdaftar di Bursa Efek Indonesia (BEI) selama

tahun 2018 - 2022.

2. Perusahaan Sektor Kesehatan yang menyediakan laporan keuangan secara lengkap

selama tahun 2018 - 2022.

3. Perusahaan Sektor Kesehatan yang menerbitkan laporan keuangan dalam mata

uang Rupiah.

4. Perusahaan Sektor Kesehatan yang tidak mengalami delisting dari Bursa Efek

Indonesia (BEI) selama periode penelitian 2018 - 2022.

3.5 Teknik Pengumpulan Data

Teknik pengumpulan data adalah hal yang sangat krusial dan diutamakan dalam

sebuah penelitian, karena tujuan utama dari sebuah penelitian ialah mendapatkan data yang

kredibel dan relevan. Tanpa mengetahui teknik pengumpulan data, maka peneliti tidak

akan mendapatkan data yang memenuhi standar data yang ditetapkan (Sugiyono,

2019:296). Dalam penelitian ini data dikumpulkan melalui :

1. Studi Kepustakaan.
 Studi kepustakaan digunakan untuk mengumpulkan data mengenai penelitian dan

untuk menemukan penelitian terdahulu, teori-teori yang mendukung dan data pendukung

lainnya seperti buku-buku, jurnal, masalah, literatur dan lainnya.

2. Dokumentasi

Menurut Sugiyono (2019:314) metode dokumentasi ini merupakan catatan

peristiwa yang sudah berlalu. Dokumentasi dapat berbentuk tulisan, gambar atau karya-

karya dan lainya yang berasal dari seseorang. Dokumentasi yang berbentuk tulisan misalnya

catatan harian, sejarah kehidupan, ceritera, biografi, kebijakan

3.6 Teknik Analisis Data

Teknik analisis data dalam penelitian ini menggunakan perhitungan statistik,

teknik analisis data yang digunakan menggunakan aplikasi E-Views Serie 10. Adapun

tahapan analisis data yang akan dilakukan untuk melakukan pengujian adalah sebagai

berikut:

3.6.1 Uji Statistik Deskriptif

Dalam uji statistik deskriptif menghasilkan deskripsi dari data yang digunakan,

sehingga menjadikan informasi lebih jelas dan lebih mudah untuk dipahami. Statistik

deskriptif dapat dilihat dari rata-rata (mean), nilai tengah (median), nilai yang sering

muncul (modus), standar deviasi, nilai maksimum, dan nilai minimum (Ghozali, 2019).

Statistk deskriptif dapat menjelaskan variabel-variabel yang terdapat dalam penelitian ini.

Selain itu dapat menyajikan ukuran-ukuran numerik yang sangat penting bagi data sampel.

3.6.2 Uji Asumsi Klasik

Uji asumsi klasik memiliki tujuan untuk mengetahui dan menguji kelayakan atas

model regresi yang digunakan dalam penelitian ini. Sebelum analisis regresi dilakukan,

harus dilakukan uji asumsi klasik untuk menentukan apakah model dari regresi tersebut
 memenuhi syarat-syarat untuk lolos dari uji asumsi klasik. Syarat-syarat untuk dapat lolos

dari uji asumsi klasik adalah data haruslah terdistribusi secara normal, tidak mengandung

autokorelasi, multikolineritas dan heteroskedastisitas. Uji asumsi klasik yang digunakan

dalam penelitian ini adalah uji multikolineritas.

Menurut Ghozali dan Ratmono (2018), uji multikolinieritas bertujuan untuk

menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas

(independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel

independen. Uji multikolinieritas dapat dilihat dengan menganalisis matrik korelasi

variabel-variabel independen. Apabila antar variabel independen ada korelasi yang cukup

tinggi (>0.90), maka hal ini merupakan adanya indikasi multikolinieritas. Tidak adanya

korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinieritas.

Multikolinieritas biasanya disebabkan adanya efek kombinasi dua atau lebih variabel

(Ghozali & Ratmono, 2018).

3.6.3 Uji Regresi Logistik

Metode Penelitian ini menggunakan regresi logistik, dikarenakan variabel

dependennya merupakan variabel yang memiliki sifat dikotonomi atau memiliki 2 kategori.

Selain itu variabel independennya merupakan kombinasi antara metric dan non metric

(nominal). Analisis regresi logistik merupakan metode statistik yang digunakan apabila salah

satu variabel dalam penelitian menggunakan variabel dummy (Ruchana & Khikmah, 2020)..

Regresi logistik adalah model regresi non linier yang menggunakan fungsi eksponensial

dalam penduga parameternya (David, 2020). Adapun persamaan penenlitian yaitu:

AD = α + β1UP + β2FD + β3OD + β4UPOD + β5FDOD + e

Keterangan :

AD = Audit Delay
α = Konstanta

β1-β5 = Koefisien Regresi

UP = Ukuran Perusahaan

FD = Financial Distress

OD = Opini Audit

e = Standar Error

3.6.3.1 Uji Kelayakan Model

Pengujian ini menggunakan Hosmes dan Lemeshow untuk menguji hipotesis nol apakah data

empiris sesuai atau cocok dengan model (tidak terdapat perbedaan antara model dengan data

sehingga model dapat dinyatakan fit). Keputusan model dapat dikatakan fit atau tidak dapat

dilakukan dengan aturan sebagai berikut:

1. Jika nilai signifikan < 0,05 maka Hipotesis nol ditolak, artinya terdapat perbedaan

antara model dengan data dikarenakan model tidak dapat memprediksi nilai

observasinya.

2. Jika nilai signifikan > 0,05 maka Hipotesis nol diterima, artinya model cocok dengan

data dan dapat memprediksi nilai observasinya.

3.6.3.2 Uji Overall Fit Test

Uji ini dilakukan untuk menunjukan apakah model yang telah dihipotesiskan sesuai dengan

data atau tidak. Uji Overall Fit Test dilakukan dengan membandingkan nilai -2 Log

Likelihood pada awal (Block Number 0) dengan nilai -2 Log Likelihood pada akhir (Block

Number 1). Jika terdapat adanya pengurangan nilai pada awal nilai -2 Log Likelihood dengan

akhir nilai -2 Log Likelihood, maka model yang dihipotesiskan fit dengan data.
3.6.3.3 Uji Koefisien Determinasi

Pada Uji koefisien determinasi menggunakan Nagelkerke R2 . Pengujian ini digunakan untuk

mengetahui seberapa besar variabel bebas dapat menjelaskan dan mempengaruhi variabel

terikat. Nilai Nagelkerke R2 bervariasi antara 1 dan 0, jika nilai mendekati angka 1 maka

model dapat dikatakan goodness of fit namun jika nilai mendekati angka 0 maka model

semakin tidak goodnes of fit.

3.6.3.4 Uji Parsial (Uji Statistik T)

Uji statistik t merupakan pengujian yang bertujuan untuk menunjukkan seberapa

jauh suatu variabel bebas secara individual memberikan pengaruh untuk menerangkan

variabel terikat. Uji ini ditunjukkan dari significance level 0,05 (= 5%), dengan kriteria

berikut ini:

a. Apabila nilai thitung > ttabel dan nilai Signifikansi < 0,05 maka secara parsial variabel

bebas berpengaruh terhadap variabel terikat.

b. Apabila nilai thitung < ttabel dan nilai Signifikansi > 0,05 maka secara parsial variabel

bebas tidak berpengaruh terhadap variabel terikat.

3.6.3.5 Matriks Klarifikasi

Matriks klasifikasi adalah alat standar untuk evaluasi model statistik dan terkadang

disebut sebagai matriks kebingungan. Matriks klasifikasi adalah alat penting untuk menilai

hasil prediksi karena memudahkan untuk memahami dan mempertanggungjawabkan efek

prediksi yang sala. Matriks klasifikasi menunjukan prediksi model regresi untuk menentukan

kemungkinan terjadinya peristiw

3.6.4 Uji Moderatiing Regression Analysis

Moderated Regression Analysis (MRA) digunakan sebagai persamaan model

regresi data panel pada variabel moderasi, dimana dalam persamaan regresinya
mempunyai interaksi perkalian antara dua ataupun lebih dengan variabel independen.

Variabel moderasi dalam penelitian ini adalah opini audit (Z) yang akan memoderasi

hubungan antara ukuran perusahaan dan financial distress terhadap audit delay. Maka

persamaan dan contoh bentuk moderasi data panel adalah sebagai berikut:

Yit = α + β1X1it + β2X2it + β1X1itZ + β2X2itZ + ℇit

Dimana:

Y = audit delay

i = data cross section

t = data time series

α = Konstanta (intercept)

β1, β2 = Koefisien regresi

X1 = ukuran perusahaan

X2 = financial distress

Z = opini audit

X1itZ = Interaksi antara ukuran perusahaan dengan opini audit

X2itZ = Interaksi antara financial distress dengan opini audit

ℇ = Error

Diketahui pengambilan keputusan moderasi data panel adalah sebagai berikut:

a. H0 ditolak apabila nilai probabilitas > nilai signifikansi 0,05. Variabel moderasi

tidak dapat memoderasi pengaruh X terhadap Y.

 b. H0 diterima apabila nilai probabilitas < nilai signifikansi 0,05. Variabel moderasi

memoderasi pengaruh X terhadap Y.

BAB IV HASIL DAN PEMBAHASAN

4.1 Hasil Penelitian

4.1.1. Analisis Statistik Deskriptif

Y X1 X2 Z

Mean 0.160000 22.43741 3.726447 0.920000

Median 0.000000 21.22954 3.819035 1.000000
Maximum 1.000000 30.93576 5.238590 1.000000
Minimum 0.000000 14.47323 1.090876 0.000000
Std. Dev. 0.370328 6.167673 1.056347 0.274048
Skewness 1.854852 0.029651 -0.507899 -3.096281
Kurtosis 4.440476 1.502749 2.583393 10.58696

Jarque-Bera 32.99349 4.677659 2.511265 199.8119

Probability 0.000000 0.096440 0.284896 0.000000

Sum 8.000000 1121.871 186.3224 46.00000

Sum Sq. Dev. 6.720000 1863.969 54.67758 3.680000

Observations 50 50 50 50

4.1.2. Uji Asumsi Klasik

Multikol
Y X1 X2 Z

Y 1.000000 -0.112452 -0.394430 -0.273483

X1 -0.112452 1.000000 -0.183444 0.230785
X2 -0.394430 -0.183444 1.000000 0.246153
Z -0.273483 0.230785 0.246153 1.000000

4.1.3. Analisis Regresi Logistik

Hosmer and lemeshow

H-L Statistic 5.4772 Prob. Chi-Sq(8) 0.7056

Andrews Statistic 33.6113 Prob. Chi-Sq(10) 0.0002
Overall Model Fit
McFadden R-squared 0.253920 Mean dependent var 0.160000
S.D. dependent var 0.370328 S.E. of regression 0.342474
Akaike info criterion 0.816058 Sum squared resid 5.395274
Schwarz criterion 0.969020 Log likelihood -16.40144
Hannan-Quinn criter. 0.874306 Deviance 32.80288
Restr. deviance 43.96699 Restr. log likelihood -21.98349
LR statistic 11.16410 Avg. log likelihood -0.328029
Prob(LR statistic) 0.010871

Regresi Logistik
Dependent Variable: Y
Method: ML - Binary Logit (Newton-Raphson / Marquardt steps)
Date: 09/28/23 Time: 21:49
Sample: 2018 2022
Included observations: 50
Convergence achieved after 7 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.

C 7.058717 3.773511 1.870597 0.0614

X1 -0.167663 0.124544 -1.346207 0.1782
X2 -1.420742 0.601605 -2.361585 0.0182
Z -0.453933 1.318559 -0.344264 0.7306

Determinasi McFadden R Square

McFadden R-squared 0.253920 Mean dependent var 0.160000
S.D. dependent var 0.370328 S.E. of regression 0.342474
Akaike info criterion 0.816058 Sum squared resid 5.395274
Schwarz criterion 0.969020 Log likelihood -16.40144
Hannan-Quinn criter. 0.874306 Deviance 32.80288
Restr. deviance 43.96699 Restr. log likelihood -21.98349
LR statistic 11.16410 Avg. log likelihood -0.328029
Prob(LR statistic) 0.010871

Uji T
Dependent Variable: Y
Method: ML - Binary Logit (Newton-Raphson / Marquardt steps)
Date: 09/28/23 Time: 21:49
Sample: 2018 2022
Included observations: 50
Convergence achieved after 7 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.

C 7.058717 3.773511 1.870597 0.0614

X1 -0.167663 0.124544 -1.346207 0.1782
X2 -1.420742 0.601605 -2.361585 0.0182
Z -0.453933 1.318559 -0.344264 0.7306

Matriks Klarifikasi
Uji Moderasi

Variable Coefficient Std. Error z-Statistic Prob.

X1 -0.729237 0.318447 -2.289981 0.0220

X1Z 0.488763 0.212158 2.303767 0.0212
X2Z -2.915812 1.007239 -2.894857 0.0038
C 12.67701 5.360534 2.364877 0.0180

McFadden R-squared 0.511816 Mean dependent var 0.160000

S.D. dependent var 0.370328 S.E. of regression 0.265269
Akaike info criterion 0.589280 Sum squared resid 3.236907
Schwarz criterion 0.742241 Log likelihood -10.73199
Hannan-Quinn criter. 0.647528 Deviance 21.46398
Restr. deviance 43.96699 Restr. log likelihood -21.98349
LR statistic 22.50301 Avg. log likelihood -0.214640
Prob(LR statistic) 0.000051

Obs with Dep=0 42 Total obs 50

Obs with Dep=1 8

4.2 Pembahasan Hasil Penelitian

4.2.1 Pengaruh Audit Tenure Terhadap Audit Delay

4.2.2 Pengaruh Reputasi KAP Terhadap Audit Delay

4.2.3 Pengaruh Umur Perusahaan Terhadap Audit Delay

4.2.4 Pengaruh Opini Audit Terhadap Audit Delay