HASIL DAN PEMBAHASAN
B. Hasil Uji Analisis Data Penelitian
1. Hasil Uji Hipotesis Penelitian
Karena variabel dependen bersifat dummy (melakukan pergantian KAP dan tidak melakukan pergantian KAP), maka pengujian terhadap
NO JENIS USAHA FREKUENSI
PERESENTASE (%)
1 Ceramics, Glass, Porcelain 2 3,64
2 Metal 6 10,91 3 Chemicals 7 12,73 4 Plastics 6 10,91 5 Animal feed 1 1,82 6 Pulp 3 5,45 7 Automotive 7 12,73 8 Textile 8 14,54 9 Footware 2 3,64 10 Cable 1 1,82 11 Food 3 5,45 12 Tobbaco 2 3,64 13 Pharmacetuticals 5 9,09 14 Cosmetic 1 1,82 15 Houseware 1 1,82 JUMLAH 55 100
70 hipotesis dilakukan dengan menggunakan uji regresi logistik. Tahapan dalam pengujian dengan menggunakan uji regresi logistik dapat dijelaskan sebagai berikut (Ghozali, 2011):
a. Hasil Uji Kesesuaian Keseluruhan Model (Overall Model Fit) Pengujian kesesuaian keseluruhan model (overall modelfit) dilakukan dengan membandingkan nilai antara -2 Log Likelihood (-2LL) pada awal (Block Number=0) dengan nilai -2 Log Likelihood (-2LL) pada akhir (Block Number=1). Hipotesis untuk menilai model fit adalah:
Ho : Model yang dihoptesiskan fit dengan data Ha : Model yang dihipotesiskan tidak fit
dengan data
Berdasarkan hipotesis ini, maka Ho harus dterima dan Ha harus ditolak agar model fit dengan data. Statistik yang digunakan berdasarkan fugsi likelihood. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input.
Tabel 4.4 adalah Iteration History 0 yang merupakan -2Log Likelihood awal. Tabel ini akan dibandingkan dengan tabel 4.5, tabel Iteration History 1 yang merupakan -2Log Likelihood akhir. Adanya selisih antara -2 Log Likelihood awal dengan -2 Log Likelihood akhir menunjukan bahwa
71 hipotesis nol (H0) tidak dapat di tolak dan model fit dengan data.
Tabel 4.4
Menilai Keseluruhan Model
S
S
Sumber: Output SPSS
Berdasarkan hasil pegolahan SPSS 20.0, pada tabel 4.4 menunjukan bahwa nilai -2 Log Likelihood awal (tabel Iteration History 0) adalah sebesar 288,422. Secara matematis, angka tersebut signifikan pada alpha 5% dan berarti bahwa hipotesisi nol (H0) ditolak. Hal ini berarti hanya konstanta saja yang tidak fit dengan data (sebelum dimasukkan variabel bebas ke dalam model regresi) (Ghozali, 2011:268).
Iteration Historya,b,c
Iteration -2 Log likelihood Coefficients Constant
Step 0
1288.422 -.545
2288.412 -.560
3288.412 -.560
a. Constant is included in the model. b. Initial -2 Log Likelihood: 288.412
c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.
72
Iteration Historya,b,c,d
Iteration
-2 Log likelihood
Coefficients
Constant BNM DEBT OPINI
Step 1 1 132.141 -2.000 2.477 .000 1.521 2 106.996 -3.136 3.617 .001 2.647 3 98.828 -4.180 4.649 .004 3.689 4 95.895 -5.198 5.628 .014 4.701 5 94.287 -6.233 6.463 .119 5.673 6 76.374 -8.775 3.505 5.563 4.935 7 71.079 -11.197 3.854 9.625 4.905 8 69.339 -13.601 4.270 13.324 5.168 9 69.062 -15.302 5.021 15.085 5.846 10 69.018 -16.372 6.000 15.259 6.814 11 69.003 -17.373 7.001 15.260 7.814 12 68.997 -18.373 8.001 15.260 8.814 13 68.995 -19.373 9.001 15.260 9.814 14 68.994 -20.373 10.001 15.260 10.814 15 68.994 -21.373 11.001 15.260 11.814 16 68.994 -22.373 12.001 15.260 12.814 17 68.994 -23.373 13.001 15.260 13.814 18 68.994 -24.373 14.001 15.260 14.814 19 68.994 -25.373 15.001 15.260 15.814 20 68.994 -26.373 16.001 15.260 16.814 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 288.412
d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
Sumber: data diolah
Langkah selanjutnya adalah membandingkan antara nilai -2 Log Likelihood awal ( tabel Iteration History 0) dengan -2 Log Likelihood akhir (tabel Iteration History 1), Pada tabel Iteration History 0, nilai -2 Log Likelihood awal menunjukan sebesar 288,422. Setelah variabel bebas dimasukan pada model regresi, maka nilai -2 Log Likelihood pada tabel 4.5Iteration History1 adalah sebesar 68,994.
Tabel 4.5 Iretation History 1
73 Berdasarkan output tersebut, terjadi penurunan nilai antara-2 Log Likelihood awal dan akhir sebesar 219.418. Penurunan nilai-2 Log Likelihood ini dapat diartikan bahwa penambahan variabel bebas ke dalam model dapat memperbaiki model fit serta menunjukan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
b. Hasil Uji Koefisien Determinasi (Nagelkerke R Square)
Koefisien dtereminasi digunakan untuk menjelaskan seberapa besar variabilitas variabel-variabel independen mampu menjelaskan variabilitas variabel independenya (Solikah, 2007). Koefisien determinasi dalam regresi logistik biner ditunjukan dengan nilai Nagelkerke R Square. Nagelkerke R Square dapat diiterpretasikan seperti nilai R Square dalam regresi berganda (Ghozali, 2011).
Tabel 4.6 Koefisien Determinasi
Sumber: Output
Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Nagelkerke R Square. Nilai Nagelkerke RSquare adalah sebesar 0,864 yang berarti variabilitas
Model Summary
Step -2 Log
likelihood
Cox & Snell R Square
Nagelkerke R Square
1 68.994a .631 .864
a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
74 variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 86,4%, sedangkan sisanya sebesar 13,6% dijelaskan oleh variabel-variabel lain di luar model penelitian, seperti fee audit, pergantian manajemen perusahaan klien, opini going concern, reputasi auditor, dan merger antara perusahaan yang memiliki auditor independen yang berbeda.
c. Hasil Uji Kelayakan Model Regresi
Analisis selanjutnya yang dilakukan adalah menilai kelayakan model regresi logistik biner. Menilai kelayakan dari model regresi dapat dilakukan dengan memperhatikan goodness of fit model yang diukur dengan Chi-Square pada kolom Hosmer and Lemeshow’s (Ghozali, 2009: 269). Hipotesis yang digunkaan untuk menilai kelayakan model regresi ini adalah:
Ho : Tidak ada perbedaan antara model dengan data Ha : Ada perbedaan antara model dengan data
Tabel 4.7
Menguji Kelayakan Model Regresi Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 13.239 8 .104
Sumber: Output SPSS
Tabel 4.7 menunjukan hasil pengujian Hosmer and Lemeshow’s Test. Berdasarkan tabel tersebut, dapat diketahui bahwa nilai signifikansi adalah sebesar 0,104. Nilai signifikan
75 yag diperoleh tersebut diatas 0,05 yang berarti hipotesis 0 (Ho) tidak dapat ditolak (diterima). Hal ini berarti model mampu memprediksi niali observasinya atau model dapat diterima karena cocok dengan data observasinya sehingga model ini dapat digunakan untuk anlisis selanjutnya.
d. Hasil Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan pergantian KAP yang dilakukan oleh perusahaan.
Tabel 4.8 Matriks Klasifikasi
Sumber: Output SPSS
Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan perusahaan melakukan pergantian KAP adalah sebesar 91,3%. Hal ini menunjukkan bahwa dengan menggunakan model regresi yang digunakan, terdapat sebanyak 73 perusahaan (91,3%) yang diprediksi akan melakukan pergantian KAP dari total Classification Tablea Observed Predicted CHANGES Percentage Correct 0 1 Step 1 CHANGES 0 138 2 98.6 1 7 73 91.3 Overall Percentage 95.9
76 80 perusahaan yang melakukan pergantian KAP. Kekuatan prediksi model perusahaan yang tidak melakukan pergantian KAP adalah sebesar 98,6%, yang berarti bahwa dengan model regresi yang digunakan ada sebanyak 138 perusahaan (98,6%) yang diprediksi tidak melakukan pergantian KAP dari total 140 perusahaan yang melakukan pergantian KAP. Kekuatan model prediksi keseluruhan sebesar 95,9%.
e. Hasil Uji Regresi Logistik
Model regresi yang terbentuk disajikan pada tabel di bawah ini: Tabel 4.9
Hasil Uji Koefisien Regresi Logistik
Sumber: Output SPSS
Hasil pengujian terhadap koefisien regresi menghasilkan model berikut ini:
CHANGES = -26,373 + 16,001 BNM + 15,260 DEBT + 16,814 OPINI Variables in the Equation
B S.E. Wald df Sig. Keterangan
Step 1a BNM 16.001 1446.095 .000 1 .991 Tidak Signifikan DEBT 15.260 4.925 9.600 1 .002 Signifikan OPINI 16.814 3515.963 .000 1 .996 Tidak Signifikan Constant -26.373 3515.963 .000 1 .994 - a. Variable(s) entered on step 1: BNM, DEBT, OPINI.
77 Berdasarkan pengujian regresi logistik (logistic regression) sebagaimana telah dijelaskan pada bagian sebelumnya, interpretasi hasil disajikan dalam tiga bagian. Bagian pertama membahas pengaruh diferensiasi kualitas audit terhadap pergantian KAP (CHANGES) (H1). Bagian kedua membahas pengaruh kesulitan keuangan perusahaan terhadap pergantian KAP (CHANGES) (H2). Bagian ketiga membahas pengaruh opini audit terhadap pergantian KAP (CHANGES) (H3). Adapun pembahasannya adalah sebagai berikut:
1) Pengaruh Diferensiasi Kualitas Audit (BNM) terhadap Pergantian