BAB 4 HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Menurut Ghozali (2006:19) statisti deskriptif memberikan gambaran atau deksripsi suatu data yang dilihat dari nilai rata-rata(mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness
(kemencengan distribusi). 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 dari data penelitian ini ditunjukkan pada tabel 4.1
Tabel 4.1 Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Auditor_Switching 57 .00 1.00 .3220 .47127
Financial_Distress 57 49.00 114924.00 8260.9322 17413.92233
Debt_Default 57 .00 1.00 .3729 .48772
Opini_Going_Concern 57 .00 1.00 .1864 .39280
Valid N (listwise) 57
Berdasarkan Tabel 4.1 dapat dijelaskan penggambaran tentang data yang digunakan dalam penelitian ini :
1. N merupakan data yang valid yakni sebanyak 57 (19 dikali 3)
2. Auditor Switching, memiliki nilai minimum 0.00 dan nilai maksimum yaitu 1,00, dengan nilai rata-rata yaitu 0,3220. Standard Deviation variabel ini adalah 0,47127. menunjukkan bahwa data yang digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
3. Financial Distress, ,memiliki nilai minimum 49,00 dan nilai maksimum yaitu 114924,00, dengan nilai rata-rata yaitu 8260,9322. Sta nda rd Devia tion variabel ini adalah 17413.92233 menunjukkan bahwa data yang digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
4. Debt Default, ,memiliki nilai minimum 0,00 dan nilai maksimum yaitu 1,00, dengan nilai rata-rata yaitu 0,3729. Standard Deviation variabel ini adalah 0,48772 menunjukkan bahwa data yang digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
5. Opini Going Concern, memiliki nilai minimum 00,00 dan nilai maksimum yaitu 1,00, dengan nilai rata-rata yaitu 0,1864. Standard Devia tion variabel ini adalah 0,39280 menunjukkan bahwa data yang digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
4.2.2 Pengujian Data
4.2.2.1 Uji Multikoliniearitas
Menurut Ghozali (2006:91) uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi korelasi. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai VIF (Variance Inflation Factor) dan nilai Tolerance, apabila nilai VIF > 10 dan nilai Tolerance < 0,1, maka terjadi multikolinearitas dan apabila VIF < 10 dan nilai Tolerance > 0,1, maka tidak terjadi multikolinearitas. Hasil uji multikoliniearitas dalam penelitian ini ditunjukkan pada Tabel 4.2
Tabel 4.2
Hasil Uji Multikolineritas
Model Collinearity Statistics
Tolerance VIF 1 (Constant) Auditor_Switching .981 1.020 Financial_Distress .941 1.063 Debt_Default .946 1.057
a. Dependent Variabel: Opini_going_Concern
Berdasarkan Tabel 4.2 dapat diketahui bahwa tidak ada gejala multikolinearitas antar variabel independen dalam penelitian ini. Pada tabel ini dapat dilihat bahwa tidak ada nilai tolerance yang kurang dari 0,10 dan tidak ada nilai VIF yang lebih besar dari 10. Variabel Auditor Switching memiliki nilai tolerance 0.981 dan VIF sebesar 1,020. Variabel Financial Distress memiliki nilai tolerance 0,941 dan nilai VIF 1,063. Variabel Debt Default memiliki nilai tolerance 0,946 dan nilai VIF 1,057.
4.2.2.2 Uji Autokorelasi
Menurut Ghozali (2006:95) uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode tahun berjalan dengan periode sebelumnya. Uji yang digunakan untuk melihat autokorelasi dalam penelitian ini adalah dengan menggunakan run test. Run test dapat digunakan untuk menguji apakah antar residual (kesalahan pengganggu) terdapat korelasi yang tinggi. Bila hasil output SPSS menunjukkan probabilitas signifikansi di bawah 0.05 maka disimpulkan terdapat gejala autokorelasi pada model regresi tersebut. Namun jika probabilitas
signifikansi di atas 0.05 maka disimpulkan model regresi tidak memiliki gejala autokorelasi dan residualnya adalah acak. Hasil uji autokorelasi dapat dilihat pada Tabel 4.3
Tabel 4.3
Hasil Uji Autokorelasi Runs Test
Unstandardized Residual
Test Valuea -.01673
Cases < Test Value 29
Cases >= Test Value 30
Total Cases 59
Number of Runs 31
Z .134
Asymp. Sig. (2-tailed) .894
a. Median
Dari tabel 4.3 (Runs Test) dapat dilihat nilai tes (Test Value) sebesar -0,01673 dengan Asymptotic Significance dua sisi sebesar 0,894 atau probabilitas diatas 0,05. Hal ini berarti tidak terjadi autokorelasi pada model regresi dan residualnya random (acak). 4.2.3 Analisis Model Regresi Logistik
4.2.3.1 Menilai Model Fit dan Keseluruhan Model
Uji ini digunakan untuk menilai model yang telah dihipotesakan telah fit atau tidak dengan data. Pengujian dilakukan dengan hipotesis :
H0: Model yang dihipotesiskan fit dengan data Ha: Model yang dihipotesiskan tidak fit dengan data
Pengujian dilakukan dengan membandingkan nilai antara - 2Log Likelihood pada awal (block number = 0) dengan nilai -2Log Likelihood pada akhir (block number = 1) dan menghitung selisih antara kedua nilai tersebut. Nilai -2 Log Likelihood awal pada block number = 0, ditunjukkan melalui Tabel 4.4
Tabel 4.4 Likelihood Block 0
Iteration Historya,b,c
Iteration -2 Log likelihood Coefficients Constant Step 0 1 57.210 -1.254 2 56.762 -1.460 3 56.760 -1.473 4 56.760 -1.473
a. Constant is included in the model. b. Initial -2 Log Likelihood: 56.760
c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Nilai -2LogL akhir pada block number = 1, ditunjukkan melalui Tabel 4.5
Tabel 4.5 Likelihood Block 1
Iteration Historya,b,c,d
Iteration -2 Log likelihood Coefficients Constant Auditor_Switchi ng Financial_Distre ss Debt_Default Step 1 1 30.280 .667 1.333 2.000 -2.000 2 28.166 .966 2.169 3.199 -3.199 3 25.851 1.136 3.043 4.307 -4.307 4 24.675 1.223 3.971 5.363 -5.363 5 24.248 1.262 4.937 6.389 -6.389 6 24.091 1.278 5.923 7.399 -7.399
7 23.033 1.284 6.918 8.403 -8.403 8 23.012 1.287 7.916 9.405 -9.405 9 22.005 1.287 8.915 10.405 -10.405 10 21.002 1.288 9.915 11.406 -11.406 11 21.001 1.288 10.915 12.406 -12.406 12 20.000 1.288 11.915 13.406 -13.406 13 19.080 1.288 12.915 14.406 -14.406 14 18.070 1.288 13.915 15.406 -15.406 15 17.040 1.288 14.915 16.406 -16.406 16 16.080 1.288 15.915 17.406 -17.406 17 14.040 1.288 16.915 18.406 -18.406 18 13.090 1.288 17.915 19.406 -19.406 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 56.760
d. Estimation terminated at iteration number 18 because parameter estimates changed by less than ,001.
Tabel 4.4 menunjukkan bahwa -2LogL awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada step 1 memperoleh nilai sebesar 56.760. Kemudian pada tabel 4.5 dapat dilihat bahwa setelah masuknya variabel independen pada model nilai -2LogL akhir pada step 18 menunjukkan nilai 13.090.
Selisih antara nilai -2LogL awal dengan nilai -2LogL akhir adalah sebesar 43.670 (56.760-13.090). Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data.
4.2.3.2 Menilai Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test yang diukur dengan nilai Chi-Square. Probabilitas signifikansi yang diperoleh kemudian dibandingkan dengan tingkat signifikansi (α) 5%. Hipotesis untuk menilai kelayakan model regresi adalah:
Ho : Tidak ada perbedaan antara model dengan data Ha : Ada perbedaan antara model dengan data
Tabel 4.6
Hosmer dan Lemeshow Test Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 .000 3 1.000
Tabel 4.6 menunjukkan hasil pengujian Hosmer and Lemeshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 1.000. Nilai signifikansi yang diperoleh lebih besar dari α (tingkat signifikansi) 0,05. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati, atau dapat dikatakan model mampu memprediksi nilai observasinya.
4.2.3.3 Koefisien Determinasi
Menurut Ghozali (2006:83) koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel independen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Tabel Nagelkerke R Square dapat dilihat pada tabel 4.7 berikut.
Tabel 4.7 Nagerkerke R Square
Model Summary
Step -2 Log likelihood Cox & Snell R Square
Nagelkerke R Square
1 13.090a .425 .567
a. Estimation terminated at iteration number 18 because parameter estimates changed by less than ,001.
Tabel di atas menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data, nilai Nagelkerke R Square adalah sebesar 0,567 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 56,7%, sisanya sebesar 43,3% (100% - 56,7%) dijelaskan variabilitas variabel-variabel lain di luar model penelitian.
4.2.3.4 Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit going concern pada auditee. Matriks klasifikasi dapat dilihat pada Tabel 4.8
Tabel 4.8 Nagerkerke R Square
Classification Tablea
Observed Predicted
Opini_Going_Concern Percentage Correct
0 1
Step 1
Opini_Going_Concern 0 38 5 88.4
1 3 11 78.6
Overall Percentage 86.0
a. The cut value is .500
Dari tabel di atas dapat dilihat bahwa menurut prediksi, yang menerima opini audit going concern adalah 14, sedangkan observasi sesungguhnya menunjukkan bahwa auditee yang menerima opini audit going concern adalah 11. Jadi ketepatan model ini adalah 11/14 atau 78.6%. Kemudian menurut prediksi, auditee yang tidak menerima opini non going concern adalah 43, sedangkan observasi sesungguhnya menunjukkan bahwa auditee yang menerima opini audit non going concern adalah 38. Jadi, ketepatan model ini adalah 38/43 atau 88.4%. Ketepatan prediksi keseluruhan model ini adalah 86%.
4.2.4 Pengujian Hipotesis
Tabel 4.9
Case Processing Summary Case Processing Summary
Unweighted Casesa N Percent
Selected Cases Included in Analysis 57 100.0
Missing Cases 0 .0
Total 57 100.0
Unselected Cases 0 .0
Total 57 100.0
a. If weight is in effect, see classification table for the total number of cases.
Berdasarkan Tabel 4.9 diatas dapat diketahui bahwa :
a. Jumlah sampel pengamatan sebanyak 57 sampel, dan seluruh sampel telah diperhitungkan ke dalam pengujian hipotesis.
b. Tidak ada variabel dependen yang dikeluarkan (missing) dengan nilai variabel dummy 1 untuk opini going concern dan 0 untuk opini audit non going concern.
c. Metode yang digunakan adalah metode enter dimana dengan metode ini seluruh variabel independen disertakan dalam pengolahan data untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen. Dalam uji regresi pengaruh antara variabel dependen dan variabel independen dapat dilihat pada Variables in the Equation, pada kolom significa nt dibandingkan dengan tingkat alpha 0,05 (5%). Apabila tingkat signifikansi <0,05, maka hipotesis diterima.
Tabel 4.10
Hasil Uji Koefisien Regresi Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a
Auditor_Switching .622 .857 .527 1 .468 1.863
Financial_Distress .330 .450 1.386 1 .239 1.000
Debt_Default 3.687 .919 16.108 1 .020 39.925
Constant 2.992 .854 12.268 1 .000 .050
a. Variable(s) entered on step 1: Auditor_Switching, Financial_Distress, Debt_Default.
Tabel di atas menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikansi 5%. Dari pengujian dengan regresi logistik di atas maka diperoleh persamaan regresi logistik sebagai berikut :
Y= 2.992 + 0,622X1 + 0.330X2 + 3.687X3 + e Dimana : X1 : Auditor Switching X2 : Financial Distress X3 : Debt Default α : Konstanta
e : Error (tingkat kesalahan)
Berdasarkan tabel 4.10 diatas, maka diperoleh hasil uji regresi logistik yang diperlukan untuk menguji hipotesis yang dikemukakan. Hasil pengujian hipotesis adalah sebagai berikut
H1 : Auditor Switching pengaruh terhadap penerimaan opini audit going concern.
Auditor Switching pada tabel di atas menunjukkan koefisien positif sebesar 0.622 dengan tingkat signifikansi 0.468 yang nilainya berada di atas tingkat signifikansi 0,05. Hal ini berarti H1 tidak dapat didukung atau Auditor Switching tidak berpengaruh secara signifikan terhadap opini audit going concern.
H2: Financial Distress berpengaruh terhadap penerimaan opini audit going concern.
Fina ncia l Distress pada tabel di atas menunjukkan koefisien positif sebesar 0.330 dengan tingkat signifikansi 0.239 yang nilainya berada di atas tingkat signifikansi 0,05. Dengan demikian dapat disimpulkan bahwa H2 tidak dapat didukung atau Financial Distress tidak memiliki pengaruh signifikan terhadap penerimaan opini audit going concern.
H3 : Debt Default berpengaruh terhadap penerimaan opini audit going concern
Debt Defa ult pada tabel di atas menunjukkan koefisien positif sebesar 3.687 dengan tingkat signifikansi 0.020 yang nilainya berada di bawah tingkat signifikansi 0,05. Dengan demikian dapat disimpulkan bahwa H3 dapat didukung atau Debt Default berpengaruh positif dan signifikan terhadap penerimaan opini audit going concern.