BAB IV : TEMUAN PENELITIAN DAN PEMBAHASAN
B. Temuan Hasil Penelitian
2. Analisis Regresi Logistik
50
Analisis data dalam penelitian ini dilakukan dengan menggunakan regresi logistik karena variabel terikatnya yaitu opini audit going concern menggunakan variabel dummy dan variabel bebasnya merupakan kombinasi antara variabel metrik dan non-metrik (nominal). Ghozali (2016:321) menyatakan bahwa regresi logistik digunakan untuk menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya.
Selain itu, dalam menguji hubungan antara Likuiditas, Leverage, Jaminan dan Umur obligasi dengan Peringkat Obligasi yang dimoderasi oleh Ukuran Perusahaan juga digunakan uji interaksi moderasi atau moderated regression analysis (MRA). Teknik analisis ini tidak melakukan uji normalitas data, karena regresi logistik tidak membutuhkan asusmsi normalitas pada variabel bebasnya (Ghozali, 2018:325). Asumsi multivariate normal distribution tidak dapat dipenuhi karena variabel bebasnya merupakan campuran antara variabel kontinyu (metric) dan kategorikal (non metric) (Ghozali, 2018: 325). Adapun model regresi logistik pada penelitian ini adalah sebagai berikut:
LN OAGC = 𝛼 + 𝛽1CR + 𝛽2DER + 𝛽3Tenure + 𝛽4 DAR + 𝑒
Keterangan :
OAGC : Opini Audit Going concern
(1 = Opini Going concern, dan 0 = Opini non Going concern)
α : Konstanta
𝛽1 – 𝛽3 : Koefisien Regresi
CR : Current Ratio (Likuiditas) DER : Debt to Equity Ratio (Leverage) TENURE : Audit Tenure (Audit Tenure)
51
e : error item
3. Pengujian Model
a. Menilai Model Fit dan Keseluruhan Model (Overall Model Fit)
Langkah pertama adalah menilai overall fit model terhadap data. Beberapa tes statistik diberikan untuk menilai model yang telah dihipotesiskan. Hipotesis untuk menilai model fit adalah :
H0 : Model yang dihipotesakan fit dengan data HA: Model yang dihipotesakan tidak fit dengan data
Dari hipotesis ini jelas bahwa kita tidak akan menolak hipotesa nol agar model fit dengan data. Statistik yang digunakan berdasarkan pada fungsi likelihood. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan alternatif, L ditransformasikan menjadi -2LogL. Output SPSS memberikan dua nilai -2LogL, yaitu satu untuk model yang hanya memasukkan konstanta saja dan satu model dengan konstanta serta tambahan (Ghozali, 2016:340).
Adanya pengurangan nilai antara -2Log L awal (initial -2LL function) dengan nilai -2Log L pada langkah berikutnya menunjukkan bahwa model yang dihipotesiskan fit dengan data. Log Likelihood pada regresi logistik mirip dengan pengertian “Sum of Square Error” pada model regresi, sehingga penurunan Log Likelhood menunjukkan model regresi yang semakin baik atau dengan kata lain model yang dihipotensiskan fit dengan data (Ghozali, 2016:328).
b. Menilai kelayakan Model Regresi (Hosmer and Lomeshow’s Goodness of Fit Test)
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodnes of Fit Test. Adapun hipotesis untuk menilai kelayakan model ini adalah:
52
H0: Tidak ada perbedaan antara model dengan data Ha: Ada perbedaan antara model dengan data
Jika nilai statistik Hosmer and Lemeshow Goodness of fit lebih besar daripada 0,05 maka Ho tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model diterima karena sesuai dengan data observasinya (Ghozali, 2016 : 329).
c. Koefisien Determinasi (Nagelkarke R2 Square)
Koefisien determinasi digunakan untuk mengukur seberapa besar variabilitas variabel independen mampu memperjelas variabilitas variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkarke R Square. Nilai koefisien determinasi dapat diinterprestasikan seperti nilai R Square pada multipleregression. Bila nilai Nagelkarke R Square kecil berarti kemampuan variabel independen dalam menjelaskan variabel dependen sangat terbatas. Sedangkan jika Nagelkarke R Square mendekati 1 berarti variabel independen dapat memberikan hampir semua informasi yang diperlukan untuk memprediksi variabel dependen (Ghozali, 2016:95).
d. Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan opini audit going concern yang diterima oleh perusahaan. Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan terjadinya variabel terikat dinyatakan dalam persen.
4. Analisis Regresi Moderasi dengan Pendekatan Uji Interaksi
Menguji variabel moderating, digunakan Uji Interaksi. Uji interaksi atau sering disebut dengan Moderated Regression Analysis (MRA). MRA
53
merupakan aplikasi khusus regresi berganda linear di mana dalam persamaan regresinya mengandung unsur interaksi (perkalian dua atau lebih variabel independen). Bentuk persamaannya adalah sebagai berikut :
Keterangan :
𝑌 = Opini Audit Going concern α = Konstanta
𝑥1 = Likuiditas 𝑥2 = Leverage 𝑥3 = Audit Tenure 𝑥4 = Financial Distress
𝑥1𝑀 − 𝑥2𝑀 − 𝑥3𝑀 − 𝑥4𝑀 = Interaksi antara Likuiditas, Leverage, Audit Tenure, dan Financial Distress
𝛽1 − 𝛽6 = Koefisien regresi berganda 𝑒 = error item
5. Uji Hipotesis
Uji t (t-test) digunakan untuk menguji hipotesis secara parsial guna menunjukkan pengaruh tiap variabel independen secara individu terhadap variabel dependen. Uji t adalah pengujian koefisien regresi masing-masing variabel independen terhadap variabel dependen untuk mengetahui seberapa besar pengaruh variabel dependen terhadap variabel dependen secara individu terhadap variabel dependen, dilakukan dengan membandingkan p-value pada kolom Sig masing-masing variabel independen dengan tingkat signifikan yang digunakan 0,05. Berdasarkan nilai probabilitas dengan α = 0,05: a) Jika probabilitas > 0,05, maka
54
hipotesis ditolak, b) Jika probabilitas < 0,05, maka hipotesis diterima. G. Definisi Dan Operasional Variabel
Pada penelitian ini terdapat tiga variabel yaitu variabel dependen, variabel independen, dan variabel moderating. Variabel dependen yang digunakan dalam penelitian ini adalah opini audit going concern, variabel independen yang digunakan dalam penelitian ini adalah likuiditas, leverage, audit tenure, dan financial distress. Dan variabel moderating yang digunakan adalah ukuran perusahaan.
1. Variabel Terikat (Dependent Variable)
Variabel dependen adalah variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel independen. Pada penelitian ini variabel dependen yang digunakan adalah opini audit going concern.
Opini Audit Going concern
Opini audit going concern merupakan opini audit yang diberikan oleh auditor dalam mengevaluasi kemungkinan terdapat kesangsian mengenai sebuah kemampuan perusahaan dalam melanjutkan kelangsungan hidupnya.
Menurut Novia Xelly (2020), opini audit going concern dapat diukur menggunakan variabel dummy yaitu opini audit going concern diberi kode 1 dan opini non-going concern diberi kode 0. Posisi opini going concern sendiri dapat ditemukan pada bagian laporan auditor independen. Opini going concern biasanya terdapat di opini wajar tanpa pengecualian dengan bahasa penjelas yang menjelaskan keraguan kelangsungan usaha perusahaan sedangkan opini non-going concern dijelaskan di opini wajar tanpa pengecualian.
55
2. Variabel Bebas (Independent Variable)
Variabel bebas merupakan variabel yang mempengaruhi, atau menjadi sebab adanya, atau alasan munculnya variabel terikat. Variabel bebas yang digunakan pada penelitian ini adalah Likuiditas, Leverage, Audit Tenure, dan Financial Distress.
a) Likuiditas (X1)
Likuiditas merupakan kemampuan perusahaan untuk memenuhi kewajiban finansialnya dalam jangka pendek dengan dana lancar yang tersedia. Dalam penelitian ini, likuiditas diukur dengan current ratio (CR) yaitu dengan membandingkan aktiva lancar dengan kewajiban lancar. Jika perusahaan memiliki kemampuan unutk melunasi kewajiban jangka pendeknya pada saat jatuh tempo, maka perusahaan akan dikatan sebagai perusahaan yang likuid. Akan tetapi sebaliknya jika perusahaan tidak memiliki kemampuan untuk melunasi kewajiban jangka pendeknya pada saat jatuh tempo, maka perusahaan tersebut dikatakan sebagai perusahaan tidak likuid (Hery, 2017: 283-284).
Dalam penelitian Putri Cantika Sari (2019) menyatakan rasio lancar (Current Ratio) sebagai alat untuk mengukur tingkat Likuiditas suatu perus-ahaan. Rasio ini mengukur kemampuan perusahaan memenuhi kewajiban jangka pendek menggunakan aset lancar. Tingkat Likuiditas suatu perusahaan dihitung melalui sumber informasi modal kerja yaitu pos-pos aktiva lancar dan kewajiban lancar yang digambarkan langsung dalam Current Ratio.
b) Leverage (X2)
Rasio leverage merupakan rasio yang mengukur seberapa jauh kemampuan perusahaan memenuhi kewajiban keuangannya. Leverage
56
menunjukkan proporsi atas penggunaan utang untuk membiayai investasinya. Dalam penelitian rasio solvabilitas diukur menggunakan rasio debt to equity, rasio ini mengukur jumlah utang atau dana dari luar perusahaan terhadap modal sendiri (Warnida, 2012). Rumus DER yaitu membandingkan antara total kewajiban dengan total ekuitas.
c) Audit Tenure (X3)
Audit client tenure dapat didefinisikan sebagai lamanya perikatan antara KAP dengan perusahaan klien (Verdiana dan Utama, 2013). Sedangkan menurut Werastuti (2013) Audit tenure merupakan jangka waktu perikatan yang terjalin antara Kantor Akuntan Publik (KAP) dengan auditee yang sama. Adanya hubungan antara auditor dengan kliennya dalam waktu yang lama dikhawatirkan akan membuat auditor kehilangan independensinya. Karena antara auditor dengan klien sudah terikat hubungan yang nyaman dan saling menguntungkan sehingga kualitas audit menjadi rendah. Hilangnya independensi auditor dapat dilihat dari kesulitan auditor dalam memberikan opini going concern untuk kliennya. Dalam sudut pandang kedua, ketika auditor mempunyai jangka waktu hubungan yang lama dengan kliennya, hal ini akan mendorong pemahaman yang lebih atas kondisi keuangan klien dan oleh karena itu mereka akan cenderung untuk mendeteksi masalah going concern (Hs & Azzahra, 2020).
Dalam hal ini pengukuran yang digunakan untuk mengukur audit tenure adalah total masa perikatan audit sebelum auditor berpindah. Misal 1 untuk 1 tahun, 2 untuk 2 tahun, dan seterusnya. Apabila perusahaan di tahun selanjutnya memutuskan untuk mengubah auditor, maka angka tersebut akan beulang lagi ke 1. (Saad & Abdillah, 2019)
57
d) Financial Distress (X4)
Financial Distress adalah suatu kondisi dimana perusahaan mengalami kesulitan keuangan dan terancam bangkrut.Financial Distress (Ross et al, 2002:875).
Debt to Assets Ratio (DAR) menjadi proksi dalam variabel ini karena melalui debt to assets ratio dapat diketahui seberapa besar keseluruhan kewajiban (hutang) dapat dijamin oleh keseluruhan harta yang dimiliki oleh perusahaan. Penelitian yang dilaksanakan Trisnadevy & Satyawan (2020) menghitung financial distress dengan rumus :
3. Variabel Moderating Ukuran Perusahaan
Ukuran perusahaan merupakan suatu bentuk pengklasifikasian antar perusahaan yang satu dengan perusahaan yang lain. Semakin besar jumlah aktiva yang dimiliki maka perusahaan tersebut akan digolongkan pada ukuran perusahaan yang besar dan cenderung mempunyai pertumbuhan laba yang lebih tinggi. Sebaliknya, jika suatu perusahaan memiliki jumlah aktiva yang kecil maka akan digolongkan pada ukuran perusahaan yang kecil dan cenderung mempunyai pertumbuhan laba yang rendah. (Hidayati et al., 2017)
Dalam penelitian ini untuk mengukur ukuran perusahaan dari total assets. Variabel ini dilambangkan dengan lambang UKP. (Listantri & Mudjiyanti, 2016)Perhitungan ukuran perusahaan dengan rumus sebagai berikut:
Size = Ln (Total Assets) DAR = Total Utang x 100%
58
Tabel 3.1. Operasional Variabel
Variabel Indikator Skala
Opini Audit Going concern
Variabel dummy, jika perusahaan medapatkan opini audit going concern diberikan nilai 1 dan jika perusahaan klien tidak mendapatkan opini audit going concern diberikan nilai 0.
(Sumber : Novia Xelly, 2020)
Nominal
Likuiditas
CR = Aktiva Lancar x 100% Utang Lancar
(Sumber : Putri Cantika, 2020)
Rasio
Leverage
DER = Total Utang x 100% Total Ekuitas
(Sumber : Warnida, 2012)
Rasio
Audit Tenure
TENURE = Total masa perikatan audit sebelum auditor berpindah (Sumber : Bani Saad & Abdillah, 2019)
Rasio
Financial Distress
DAR = Total Utang x 100% Total Aset
(Sumber : Trisnadevy & Setyawan, 2020)
Rasio
Ukuran Perusahaan
SIZE = Ln (Total Aset)
(Sumber : Ferni Listantri & Mudjiyanti, 2016)
59
BAB IV
ANALISIS DATA DAN PEMBAHASAN A. Gambaran Dan Objek Penelitian
Gambaran umum objek penelitian menyajikan prosedur pemilihan populasi dan sampel penelitian. Populasi dalam penelitian ini adalah sub-sektor retail trade terdaftar di Bursa Efek Indonesia (BEI) mulai tahun 2015-2019. Data yang digunakan dalam penelitian ini adalah data sekunder berupa laporan keuangan perusahaan yang di publikasikan oleh Bursa Efek Indonesia (BEI) melalui website resmi BEI di www.idx.co.id.
Dalam pengambilan sampel, penelitian ini menggunakan teknik purposive sampling, yaitu metode pemilihan sampel berdasarkan kriteria-kriteria tertentu yang ditetapkan dalam penelitian agar sampel yang digunakan dapat mempresentasikan penelitian yang dilakukan. Jumlah perusahaan retail trade yang terdaftar di Bursa Efek Indonesia Tahun 2015-2019 sebanyak 23 perusahaan. Sebanyak 2 perusahaan delisting. 3 perusahaan tidak menerbitkan laporan keuangan secara lengkap selama periode penelitian dalam website Bursa Efek Indonesia (BEI). 5 perusahaan tidak mengalami laba bersih setelah pajak yang negatif dalam tahun 2015-2019, dan 1 perusahaan outlier dari penelitian. Berdasarkan kriteria yang telah ditetapkan, diperoleh 12 perusahaan yang memenuhi kriteria dan dijadikan sampel dalam penelitian dan dengan jumlah tahun pengamatan selama 5 tahun, sehingga total data yang diamati adalah sebanyak 60 sampel. Ringkasan pemilihan sampel disajikan pada tabel 4.1 sebagai berikut:
60
Tabel 4.1.
Rincian Perolehan Sampel Penelitian
No. Kriteria Jumlah
1. Perusahaan retail trade yang terdaftar di Bursa Efek
Indonesia tahun 2015-2019. 23
2. Perusahaan retail trade yang delisting selama
2015-2019. (2)
3.
Perusahaan retail trade yang tidak menerbitkan laporan keuangan dan laporan auditor secara lengkap selama tahun 2015-2019.
(3)
4.
Perusahaan retail trade yang tidak mengalami laba bersih setelah pajak negative selama tahun 2015-2019.
(5)
Perusahaan yang memiliki data outlier (1)
Jumlah perusahaan retail trade yang menjadi sampel
penelitian selama 5 tahun 60
Sumber : Data sekunder yang diolah
B. Temuan Hasil Penelitian
1. Hasil Uji Statistik Deskriptif
Statistik deskriptif berguna untuk mengetahui karakteristik sampel yang digunakan dalam penelitian. Untuk melihat data statistik secara umum, peneliti menggunakan descriptive untuk variabel yang diukur dengan skala rasio dan frequency untuk variabel yang diukur dalam skala nominal.
Statistik deskriptif memberikan gambaran awal variabel penelitian dan digunakan untuk mengetahui karakteristik sampel yang digunakan dalam penelitian data mengenai variabel dalam penelitian ini diinteprestasikan kedalam nilai mean, nilai minimum, nilai maksimum dan standar deviasi.
61
Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut. Pengelolaan data untuk analisis deskriptif menggunakan IBM SPSS Statistic 25. Deskripsi data masing-masing variabel secara rinci dapat dilihat dalam Tabel berikut ini :
Tabel 4.2.
Hasil Uji Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CR 60 .037 14.030 1.99068 2.429918
DER 60 -1.110 7.300 1.37547 1.895256
DAR 60 .074 90.990 4.43850 13.074209
TA 60 22.837 29.716 27.85454 1.527220
Valid N (listwise) 60
Sumber : Data dioleh SPSS, 2020.
Berdasarkan Tabel 4.2. dapat dideskripsikan beberapa hal berikut ini :
a. Jumlah seluruh sampel penelitian adalah 60 yaitu 12 perusahaan yang memenuhi kriteria penelitian dalam 5 tahun masa penelitian, sehingga total N sebesar 60 sampel dengan 4 variabel yang memiliki skala rasio yaitu, likuiditas dengan proksi CR (Cash Ratio), leverage dengan proksi DER (Debt to Equity Ratio), Financial Distress dengan proksi DAR (Debt to Asset Ratio), dan Size Firm dengan proksi TA (Total Assets).
b. Variabel independen likuiditas yang diproksikan dengan cash ratio (CR) memiliki nilai minimum sebesar 0,037 yang dicapai Trikomsel Oke, Tbk tahun 2016 sedangkan nilai maksimum sebesar 14,03 dicapai oleh Electronic City Indonesia, Tbk tahun 2015. Nilai rata-rata dalam variabel ini adalah 1,99 dengan nilai standar deviasi sebesar 2,43. Nilai standar deviasi lebih besar dibandingkan dengan nilai rata-rata, hal ini menunjukan bahwa penyebaran data yang kurang baik.
62
c. Variabel independen leverage yang diproksikan dengan debt to asset ratio (DER) memiliki nilai minimum sebesar -1,110 yang dicapai oleh Electronic City Indonesia, Tbk tahun 2019 sedangkan nilai maksimum sebesar 7,3 dicapai oleh Mitra Komunikasi Nusantara, Tbk tahun 2017. Nilai rata-rata dalam variabel ini adalah 1,375 dengan nilai standar deviasi sebesar 1,895. Nilai standar deviasi lebih besar dibandingkan dengan nilai rata-rata, hal ini menunjukan bahwa penyebaran data yang kurang baik. d. Variabel independen financial distress yang diproksikan dengan debt to
asset ratio (DAR) memiliki nilai minimum sebesar 0,074 yang dicapai oleh Electronic City Indonesia, Tbk tahun 2015 sedangkan nilai maksimum sebesar 90,990 dicapai oleh Global Teleskop, Tbk tahun 2019. Nilai rata-rata dalam variabel ini adalah 4,438 dengan nilai standar deviasi sebesar 13,074. Nilai standar deviasi lebih besar dibandingkan dengan nilai rata-rata, hal ini menunjukan bahwa penyebaran data yang kurang baik.
e. Variabel moderasi size firm yang diproksikan dengan Total Asset (TA) memiliki nilai minimum sebesar 22,837 yang dicapai oleh Global Teleskop, Tbk tahun 2019 sedangkan nilai maksimum sebesar 29,716 dicapai oleh Hero Supermarket, Tbk tahun 2019. Nilai rata-rata dalam variabel ini adalah 27,854 dengan nilai standar deviasi sebesar 1,527. Nilai standar deviasi lebih besar dibandingkan dengan nilai rata-rata, hal ini menunjukan bahwa penyebaran data yang baik.
63
Tabel 4.3.
Descriptive Frequencies Opini Audit Going Concern
Sumber : Data diolah SPSS, 2020.
Berdasarkan Tabel 4.3. dapat dideskripsikan bahwa variabel dependen, yaitu opini audit going concern, merupakan skala nominal yang menggunakan variabel dummy, dimana perusahaan yang menerima opini audit going concern diberi kode “1” sedangkan perusahaan yang menerima opini audit non going concern diberi kode “0”, variabel memiliki nilai data valid karena semua data diproses. Perusahaan yang menerima opini audit going concern sebanyak 25 sampel atau 41,7% sedangkan perusahaan yang tidak menerima opini audit going concern sebanyak 35 sampel atau 58,3%.
OAGC
Frequency Percent Valid Percent
Cumulative Percent
Valid Non OAGC 35 58.3 58.3 58.3
OAGC 25 41.7 41.7 100.0
64
Tabel 4.4.
Descriptive Frequencies Audit Tenure
Audit Tenure
Frequency Percent Valid Percent
Cumulative Percent
Valid Tahun ke-1 16 26.7 26.7 26.7
Tahun ke-2 13 21.7 21.7 48.3
Tahun ke-3 11 18.3 18.3 66.7
Tahun ke-4 11 18.3 18.3 85.0
Tahun ke-5 9 15.0 15.0 100.0
Total 60 100.0 100.0
Sumber : Data diolah SPSS, 2020
Berdasarkan Tabel 4.3 dapat dideskripsikan bahwa variabel independen audit tenure menggunakan skala ordinal, dimana nilai 1-5 menentukan lamanya perusahaan di audit oleh KAP yang sama. Dimana nilai “1” berarti perusahaan pada tahun penelitian pertama kali di audit oleh suatu KAP, nilai “2” berarti merupakan tahun ke-2 dalam tahun penelitian perusahaan di audit oleh KAP yang sama, dan seterusnya sampai dengan nilai “5”. Sampel yang diaudit oleh KAP pada tahun ke-1 sebanyak 16 sampel yang berarti ada 26,7% dari total sampel, lalu yang diaudit oleh KAP pada tahun ke-2 sebanyak 13 sampel yang berarti ada 21,7% dari total sampel. Kemudian yang diaudit oleh KAP pada tahun ke-3 sebanyak 11 sampel yang berarti ada 18,ke-3% dari total sampel. Lalu, yang diaudit oleh KAP pada tahun ke-4 sebanyak 11 sampel yang berarti ada 18,3% dari total sampel. Dan yang diaudit oleh KAP pada tahun ke-5 sebanyak 9 sampel yang berarti ada 15% dari total sampel.
65
2. Analisis Regresi Logistik
a. Menilai Keseluruhan Model (Overall Model Fit)
Pengujian ini dilakukan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Hipotesis untuk menilai model fit adalah apabila H0 : model yang dihipotesisikan fit dengan data dan Ha : model yang dihipotesiskan tidak fit dengan data.
Pengujian model fit dilakukan untuk mengetahui model fit dengan data baik sebelum maupun sesudah variabel bebas dimasukkan ke dalam model. Pengujian dilakukan dengan cara membandingkan nilai antara -2 log likehood (-2LL) awal (Block Number = 0) dengan nilai -2 log likehood (-2LL) akhir (Block Number = 1). Jika dalam pengujian dihasilkan ada penurunan nilai antara -2LL awal dengan nilai -2LL pada akhir test (Block Number = 1) maka menunjukkan bahwa model yang dihipotesiskan fit dengan data. Penurunan pada nilai Log Likehood menunjukkan bahwa model regresi semakin baik. Hasil uji model fit dapat dilihat pada tabel berikut :
66
Tabel 4.5.
Nilai -2 Log Likelihood (-2 LL Awal)
Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1 81.503 -.333
2 81.503 -.336
3 81.503 -.336
Sumber : Data diolah SPSS, 2020
Tabel 4.6.
Tabel -2 Log Likelihood (-2 LL Akhir)
Iteration Historya,b,c,d
Iteration -2 Log likelihood Coefficients Consta nt CR DER Audit Tenure DAR TA X1*Z X2*Z X3*Z X4*Z Step 1 1 63.715 5.363 -1.268 -3.807 -.899 -.862 -.221 .049 .133 .031 .039 2 59.505 8.486 -1.633 -6.863 -2.107 -1.501 -.333 .063 .240 .072 .068 3 56.725 10.108 -1.425 -6.831 -4.630 -2.107 -.393 .056 .238 .159 .097 4 53.796 6.468 -.244 -4.904 -8.658 -.853 -.264 .014 .169 .298 .056 5 52.338 -1.982 .556 -4.690 -7.918 2.024 .034 -.014 .162 .272 -.051 6 49.965 -16.813 1.732 -4.941 -5.025 11.238 .563 -.056 .172 .172 -.400 7 45.016 -41.410 4.209 -3.716 -3.498 37.750 1.448 -.146 .132 .121 -1.392 8 36.281 -32.848 4.341 -8.366 -14.485 103.298 1.231 -.158 .297 .500 -3.816 9 33.989 -26.015 4.363 -12.669 -24.940 146.842 1.030 -.161 .449 .862 -5.418 10 33.687 -25.375 4.429 -15.186 -29.642 169.156 1.029 -.165 .538 1.024 -6.240 11 33.678 -25.450 4.440 -15.704 -30.588 173.826 1.036 -.165 .556 1.056 -6.413 12 33.678 -25.455 4.441 -15.722 -30.623 173.996 1.036 -.165 .557 1.058 -6.419 13 33.678 -25.455 4.441 -15.722 -30.623 173.996 1.036 -.165 .557 1.058 -6.419
67
Tabel 4.7.
Pebandingan Nilai -2 LL Awal dengan -2 LL Akhir
Block Number = 0 Block Number = 1 Keterangan
81,503 33,678 Penurunan
Sumber : Data diolah SPSS, 2020
Berdasarkan ketiga table diatas dapat dideskripsikan beberapa hal berikut ini :
1) -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan konstanta memperoleh nilai sebesar 81,503. Kemudian pada tabel selanjutnya dapat dilihat nilai -2LL akhir dengan block number = 1 nilai -2 log likelihood mengalami perubahan setelah masuknya beberapa variabel independen pada model penelitian, akibatnya nilai -2LL akhir menunjukkan nilai 33,678.
2) Adanya pengurangan nilai antara -2LL awal (initial -2LL function) dengan nilai -2LL pada langkah berikutnya (-2LL akhir) menunjukkan bahwa model yang dihipotesiskan fit dengan data. Penurunan nilai -2 log likelihood menunjukkan bahwa model penelitian ini merupakan model regresi yang baik karena model regresi dihipotesiskan fit dengan data, artinya penambahan-penambahan variabel bebas yaitu likuiditas, leverage, audit tenure, financial distress, opini audit going concer, dan ukuran perusahaan ke dalam model penelitian akan memperbaiki model fit penelitian.
b. Menilai Kelayakan Model Regresi (Hosmer and Lomeshow’s)
Kelayakan model regresi dapat dinilai menggunakan uji model Hosmer and Lemshow”s Goodnes of Fit Test. Dalam kelayakan model regresi digunakan pengujian Chi-square yaitu model dikatakan mampu
68
memprediksi nilai observasi apabila nilai signifikansi yang diperoleh lebih dari 0,05. Adapun hasil dari pengujian atas kelayakan model regresi sebagai berikut:
Tabel 4.8.
Kelayakan Model Regresi Hosmer and Lomeshow’s Test
Sumber : Data diolah, 2020
Dari hasil pengujian pada Tabel 4.8. atas diperoleh Chisquare sebesar 3,194 dengan nilai signifikansi sebesar 0,922. Dari hasil tersebut terlihat bahwa nilai signifikan lebih besar dari 0,05 sehingga hipotesis nol diterima, yang berarti tidak ada perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Sehingga dapat disimpulkan bahwa model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya.
c. Koefisien Determinasi (Negalkerke R Square)
Nagelkerke R Square merupakan modifikasi dari koefisien Cox and Snell’s untuk memastikan bahwa nilainya bervariasi dari 0 sampai 1. Hal ini dilakukan dengan cara membagi nilai Cox and Snell’s R Square dengan nilai maksimumnya. Adapun hasil dari Nagelkerke R Square disajikan dalam tabel sebagai berikut:
Hosmer and Lemeshow Test
Step Chi-square df Sig.
69
Tabel 4.9.
Koefisien Determinasi
Model Summary
Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 33.678a .549 .739
Sumber : Data diolah SPSS, 2020
Berdasarkan tabel 4.9. dapat dilihat bahwa nilai Nagelkerke R Square adalah sebesar 0,739 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen dan variabel moderasi adalah sebesar 73,9%, sedangkan sisanya sebesar 26,1% dijelaskan variabel-variabel lain di luar model penelitian.
d. Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan Opini Audit Going Concern yang dilakukan terima oleh suatu perusahaan. Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan terjadinya variabel terikat dinyatakan dalam persen. Adapun hasil matriks klasifikasi dari model regresi dapat dilihat pada tabel sebagai berikut:
70
Tabel 4.10.
Hasil Identifikasi Prediksi Klasifikasi