BAB VI HASIL DAN PEMBAHASAN
B. Hasil Uji Analisis Data penelitian
Penyelesaian penelitian ini dengan menggunakan teknik analisis kuantitatif. Analisis kuantitatif digunakan dengan cara menganalisis suatu permasalahan yang diwujudkan dengan kuantitatif. Dalam penelitian ini, analisis kuantitatif dilakukan dengan cara mengkuantifikasi data penelitian sehingga menghasilkan informasi yang dibutuhkan dalam analisis.
Alat analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik (logistic regression). Asumsi normal distribution tidak dapat dipenuhi karena variabel bebas merupakan campuran antara variabel kontinyu (metric) dan kategorial (non-metrik). Dalam hal ini dapat dianalisis dengan
pada variabel bebasnya. Tahapan dalam pengujian dengan menggunakan uji regresi logistik (logistic regression) dapat dijelaskan sebagai berikut (Ghozali,2011):
1. Analisis Deskriptif
Variabel-variabel yang digunakan dalam penelitian ini meliputi model prediksi kebangkrutan, pertumbuhan perusahaan dan debt default sebagai variabel independen. Variabel dependen dalam penelitian ini adalah penerimaan opini audit going concern yang merupakan variabel dummy.
Tabel 4.4
Hasil Uji Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
GCAO 75 ,00 1,00 ,4400 ,49973
ZScore 75 ,39 12,52 4,0183 1,94251
Growth 75 -,96 13,80 ,6779 1,88987
DEF 75 ,00 1,00 ,3200 ,46962
Valid N (listwise) 75
Sumber : Data diolah
Berdasarkan tabel diatas, dapat dijelaskan beberapa hal sebagai berikut:
a. Variabel opini audit going concern menunjukkan nilai rata-rata sebesar 0,4400 dengan nilai minimum sebesar 0,00 dan maksimum sebesar 1,00 serta standar deviasi sebesar 0,49973 dengan jumlah observasi (n) 75.
b. Variabel model prediksi kebangkrutan Z-score menunjukkan nilai rata-rata sebesar 4,0183 dengan nilai minimum 0,39 dan maksimum 12,52 serta standar deviasi sebesar 1,94251 dengan jumlah observasi (n) sebesar 75.
c. Variabel pertumbuhan perusahaan menunjukkan nilai rata-rata 0,6779 dengan nilai minimum -0,96 dan maksimum 13,80 serta standar deviasi sebesar 75 dengan jumlah observasi (n) sebesar 75.
d. Variabel debt default menunjukkan nilai rata-rata 0,3200 dengan nilai minimum sebesar 0,00 dan maksimum sebesar 1,00 serta standar deviasi sebesar 0,46962 dengan jumlah observasi (n) sebesar 75. 2. Hasil Uji Hipotesis
Karena variabel dependen bersifat dummy ( opini audit going concern), maka pengujian terhadap hipotesis dilakukan dengan melakukan uji regresi logistik. Tahapan dalam pengujian dengan menggunakan uji regresi logistik dapat dijelaskan sebagai berikut (Ghozali, 2011):
a. Hasil Uji Keseluruhan Model (Overall Model Fit) Tabel 4.5
Menilai Keseluruhan Model Iteration Historya,b,c
Iteration -2 Log likelihood Coefficients Constant 1 102,889 -,240 Step 0 2 102,889 -,241 3 102,889 -,241
a. Constant is included in the model. b. Initial -2 Log Likelihood: 102,889
c. Estimation terminated at iteration number 3 because parameter estimates changed by less than ,001.
Berdasarkan Tabel 4.5 diatas, diperoleh informasi bahwa pengujian dilakukan dengan membandingkan nilai antara -2 Log Likehood (-2LL) pada awal (Block Number =0) dengan nilai -2 Log Likehood (-2LL) pada akhir (Block Number = 1). Dan nilai -2LL awal (block Number = 0) pada tabel 4.5 diatas menunjukkan nilai sebesar 102,889.
Tabel 4.6
Menilai Keseluruhan Model Iteration History Iteration Historya,b,c,d
Iteration -2 Log
likelihood
Coefficients
Constant ZScore Growth DEF
Step 1 1 82,202 1,674 -,337 ,015 -1,781 2 80,359 2,421 -,516 ,029 -2,298 3 80,292 2,608 -,562 ,033 -2,407 4 80,292 2,616 -,564 ,033 -2,412 5 80,292 2,616 -,564 ,033 -2,412 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 102,889
d. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Sumber: output SPSS
Setelah dimasukkan ketiga variabel independen, maka nilai -2LL akhir (Block Number = 1) mengalami penurunan yaitu dari 102,889 pada 2LL awal (Block Number = 0) menjadi 80,292 pada -2LL akhir (Block Number = 1). Penurunan Likehood (--2LL) ini menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
3. Hasil Uji Koefisien Determinasi (Nagelkerke R Square) Tabel 4.7
Hasil Uji Koefisien Determinasi Model Summary
Step -2 Log likelihood Cox & Snell R
Square
Nagelkerke R Square
1 80,292a ,260 ,349
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Sumber: ouput SPSS
Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Nagelkerke R Square. Nilai Nagelkerke R Square adalah sebesar 0,349 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 34,9% sedangkan sisanya sebesar 65,1% dijelaskan oleh variabel-variabel lain di luar penelitian ini, misalnya ukuran perusahaan, reputasi KAP, dan sebagainya. 4. Hasil Uji Kelayakan Model Regresi
Tabel 4.8
Hasil Uji Kelayakan Model Regresi
Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 9,798 7 ,200
Sumber: ouput SPSS
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Pengujian ini menunjukkan nilai Chi-square sebesar 9,798 dengan signifikansi (p) sebesar 0,200. Berdasarkan hasil tersebut, karena nilai signifikansi lebih besar dari 0,05 maka model
5. Hasil Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit going concern pada perusahaan manufaktur.
Tabel 4.9 Matriks Klasifikasi Classification Tablea Observed Predicted GCAO Percentage Correct ,00 1,00 Step 1 GCAO ,00 31 11 73,8 1,00 10 23 69,7 Overall Percentage 72,0
a. The cut value is ,500
Sumber: ouput SPSS
Tabel 4.9 diatas menunjukkan bahwa menurut prediksi, perusahaan yang memperoleh opini audit going concern adalah 33, sedangkan berdasarkan observasi sesungguhnya adalah 23 perusahaan. Jadi, ketepatan model ini adalah 23/33 atau 69,7%. Sementara itu, prediksi perusahaan yang memperoleh opini audit non going concern adalah 42, sedangkan menurut observasi sesungguhnya adalah 31 perusahaan. Jadi ketepatan model ini adalah 42/31 atau 73,8%. Ketepatan dari prediksi keseluruhan model ini adalah sebesar 72,0%.
6. Hasil Uji Regresi Logistik
Model regresi logistik yang terbentuk disajikan pada tabel dibawah ini:
Tabel 4.10
Hasil Uji Koefisien Regresi Logistik
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a
ZScore -,564 ,204 7,617 1 ,006 ,569
Growth ,033 ,145 ,052 1 ,820 1,034
DEF -2,412 ,702 11,812 1 ,001 ,090
Constant 2,616 ,911 8,249 1 ,004 13,678
a. Variable(s) entered on step 1: ZScore, Growth, DEF.
Sumber: ouput SPSS
Tabel di atas menunjukkan hasil pengujian hipotesis dengan menggunakan regresi logistik biner pada tingkat signifikansi 0,05 (5%). Berdasarkan hasil pengujian tersebut, maka dapat diperoleh persamaan regresi logistik biner sebagai berikut:
GC
Ln = 2,616 – 0,564 Zscore + 0,033 G – 2,412 Def 1-GC
Ha1: model Prediksi berpengaruh positif terhadap penerimaan opini audit going concern.
Variabel model prediksi kebangkrutan pada tabel 4.10 menunjukkan koefisien negatif sebesar 0,564 dengan nilai signifikansi sebesar 0,006<0,05 yang berarti Ha1 diterima. Maka, model pediksi kebangkrutan berpengaruh
Ha2: pertumbuhan perusahaan berpengaruh positif terhadap penerimaan opini audit going concern.
Variabel pertumbuhan perusahaan pada tabel 4.10 menunjukkan koefisien positif sebesar 0,033 dengan nilai signifikansi 0,820 > 0,05 yang berarti Ha2 ditolak. Maka, pertumbuhan perusahaan berpengaruh negatif terhadap penerimaan opini audit going concern.
Ha3: variabel debt default pada tabel 4.10 menunjukkan koefisien negatif 2,412 dengan signifikansi sebesar 0,001 < 0,05 yang berarti Ha3 diterima. Maka, debt default berpengaruh positif terhadap penerimaan opini audit going concern.