HASIL DAN PEMBAHASAN
4.2 Analisis Hasil Penelitian
4.2.2 Hasil Pengujian Hipotesis
4.2.2.1 Uji Multikolinearitas
Tujuan dilakukannya uji multikolinearitas adalah untuk mengetahui apakah model regresi ditemukan adanya korelasi antar
variabel independennya. Karena, model regresi yang baik, tidak memiliki korelasi antara variabel independen. Gejala multikolinearitas terjadi bila nilai korelasi antar variabel lebih besar dari 0.95 (Ghozali, 2013).
Tabel 4.7 Uji Multikolinearitas Coefficient Correlationsa
Model CEO FINANDS KAP SIZE
1 Correlations
CEO 1,000 -,029 ,274 -,152 FINANDS -,029 1,000 -,033 -,456 KAP ,274 -,033 1,000 -,231 SIZE -,152 -,456 -,231 1,000 a. Dependent Variable: SWITCH
Sumber : Hasil Olahan SPSS
Berdasarkan tabel 4.7 diketahui bahwa variabel yang memiliki kolerasi paling tinggi adalah korelasi antara variabel financial distress dengan variabel ukuran klien, yaitu sebesar -0,456 atau sekitar 45,6%. Dan korelasi antar setiap variabel independen masih dibawah 0.95 atau 95% maka tidak ditemukan adanya gejala multikolinearitas yang serius. Dapat disimpulkan bahwa variabel ukuran KAP, ukuran klien, financial distress, dan pergantian manajemen bebas dari gejala multikolinearitas yang artinya variabel-variabel independen yang digunakan tidak memiliki keterkaitan satu sama lain karena angka multikolinearitas antar variabel masih dibawah nilai 0.95.
4.2.2.2 Menguji Keseluruhan Model (Overall Model Fit)
Uji keseluruhan model (overall model fit) menggunakan fungsi likelihood. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input.
Perlu diperhatikan nilai -2 Log Likelihood (-2LL) Block Number = 0 dan -2 Log Likelihood (-2LL) Block Number = 1. Jika terjadi
Menilai Keseluruhan Model (Overall Model Fit) Awal Iteration Historya,b,c
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 57,871 c. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Sumber : Hasil Olahan SPSS
Tabel 4.9
Menilai Keseluruhan Model (Overall Model Fit) Akhir Iteration Historya,b,c,d
Iteration -2 Log Coefficients
likelihood Constant KAP SIZE FINAND S
CEO
Step 1
1 59,003 2,615 ,090 -,147 -,192 ,469
2 54,435 6,934 ,193 -,316 -,462 ,921
3 53,916 9,883 ,251 -,425 -,723 1,155
4 53,897 10,452 ,258 -,446 -,815 1,194
5 53,897 10,472 ,258 -,447 -,821 1,195
6 53,897 10,472 ,258 -,447 -,821 1,195
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 57,871
d. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Sumber : Hasil Olahan SPSS
Berdasarkan tabel 4.9 dan 4.10, diperoleh informasi bahwa pengujian dilakukan dengan membandingkan nilai antara -2 Log Likelihood (-2LL) pada awal (Block Number=0) pada tabel 4.9 dengan nilai -2 Log Likelihood (-2LL) pada akhir (Block Number=1) pada tabel 4.10. Nilai -2LL awal adalah sebesar 60,956. Setelah dimasukkan keempat variabel independen, maka nilai -2LL akhir mengalami penurunan menjadi 53,897. Penurunan Likelihood (-2LL) ini menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data (Ghozali 2011). Hasil tersebut menunjukkan bahwa hasil sesuai dengan H0 yang artinya model yang dihipotesiskan fit dengan data, karena terjadinya penurunan -2LL.
4.2.2.3 Menguji Koefisien Determinasi (Negelkerke R Square)
Penggunaan uji koefisien determinasi adalah untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas variabel dependen.
Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Bila nilai Nagelkerke R Square bervariasi dari 0 (nol) sampai dengan 1 (satu) (Ghozali, 2013). Nilai Nagelkerke R Square yang baik adalah nilai yang mendekati angka 1.
Tabel 4.10
Koefisien Determinasi (Negelkerke R Square) Model Summary
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Sumber : Hasil Olahan SPSS
Besarnya nilai Negelkerke R Square adalah 0,092 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 9,2%, sedangkan sisanya sebesar 90,8% dijelaskan oleh variabel-variabel lain di luar model penelitian. Hal tersebut berarti kemampuan variabel-variabel independen memperjelas variabel dependennya masih terbatas, dan belum mampu menyediakan seluruh informasi yang dibutuhkan untuk memprediksi variabel dependennya.
4.2.2.4 Menguji Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s of Fit Test (Damayanti dan Sudarma 2007). Jika nilai statistik Hosmer and Lemeshow’s of Fit Test lebih besar dari 0,05 berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model cocok dengan data observasinya.
Tabel 4.11
Menguji Kelayakan Model Regresi Hosmer and Lemeshow Test Step Chi-square Df Sig.
1 3,591 8 ,892
Sumber : Hasil Olahan SPSS
Berdasarkan tabel 4.12 dapat diketahui bahwa nilai signifikansi (p) sebesar 0,892. Berdasarkan hasil tersebut, karena nilai signifikansi lebih besar dari 0,05 maka model dapat disimpulkan mampu memprediksi nilai observasinya atau dapat dikatakan model cocok dengan data observasinya. Karena, nilai Hosmer and Lemeshow’s of Fit Test diatas 0.05 atau sebesar 0.892.
4.2.2.5 Menguji Regresi Logistik
Uji regresi logistik digunakan untuk mengatahui pengaruh ukuran KAP, ukuran Klien, financial distress, dan pergantian manajemen terhadap auditor switching. Model logistic regression
dengan metode enter pada tingkat signifikansi (α) 5% (0,05).
Apabila tingkat signifikansi < 0,05, maka hipotesis diterima, jika tingkat signifikansi > 0,05, maka hipotesis tidak dapat diterima.
Tabel 4.12
Menguji Regresi Logistik Variables in the Equation
B S.E. Wald Df Sig. Exp(B)
Step 1a
KAP ,258 ,931 ,077 1 ,782 1,294
SIZE -,447 ,378 1,396 1 ,237 ,640
FINANDS -,821 1,168 ,495 1 ,482 ,440
CEO 1,195 ,987 1,466 1 ,226 3,303
Constant 10,472 10,543 ,987 1 ,321 35299,443 a. Variable(s) entered on step 1: KAP, SIZE, FINANDS, CEO.
Sumber : Hasil Olahan SPSS
Dari tabel 4.13 juga dapat kita ketahui tingkat signifikansi variabel independen terhadap variabel indepennya. Berdasarkan tabel 4.13 dapat dideskripsikan hal sebagai berikut:
1. Variabel ukuran KAP memiliki tingkat signifikansi sebesar 0,782 yang berarti lebih besar dari 0.05, sehingga variabel ukuran KAP yang diproksikan dengan KAP yang berafiliasi dengan Big Four dan KAP yang tidak berafiliasi dengan Big Four tidak berpengaruh signifikan terhadap auditor switching secara voluntary.
2. Ukuran Klien yang digambarkan dengan SIZE (LnTA) memiliki tingkat segnifikansi sebesar 0.237 yang lebih besar
dari 0.05, sehingga tidak memiliki pengaruh yang signikan terhadap auditor switching secara voluntary.
3. Financial Distress (FINANDS) memiliki tingkat signifikansi sebesar 0.482 yang lebih besar dari α = 0.05, dapat disimpulkan bahwa FINANDS yang digambarkan dengan perusahaan yang memiliki DER (Debt to Equity Ratio) lebih dari 100% dengan yang kurang dari 100% tidak dapat diterima, karena tidak berpengaruh secara signifikan terhadap auditor switching secara voluntary.
4. Variabel pergantian manajemen (CEO) memiliki tingkat signifikansi sebesar 0,226 lebih besar dari 0.05. Sehingga variabel pergantian manajemen tidak memiliki pengaruh yang signifikan terhadap auditor switching secara voluntary.
Hasil pengujian terhadap koefisien regresi logistik menghasilkan model sebagai berikut:
SWITCHt = 10,472 + 0,258 KAP – 0,447 SIZE – 0,881 FININDS + 1,195 CEO + e