ANALISIS HASIL PENELITIAN
4.2 Analisis Hasil Penelitian .1 Pengujian Data .1 Pengujian Data
4.2.1.3 Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur dengan nilai chi square pada bagian bawah uji hosmer and lemeshow. Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test ≤ 0,05, maka berarti terdapat perbedaan signifikan antara model dengan nilai observasinya sehingga goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya (Ghozali, 2005).
Tabel 4.5
Hosmer and Lemeshow Test Step Chi-square df Sig.
1 4.627 8 .797
Sumber : Hasil Pengolahan Data
Tabel 4.5 menunjukkan nilai Hosmer and Lemeshow’s Goodness of Fit sebesar 4,627 dengan signifikansi 0,797. Nilai signifikansi yang diperoleh lebih besar dari 0,05 maka Ho tidak dapat ditolak (diterima). 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.
Tabel 4.6
Sumber : Hasil Pengolahan Data
Dari tabel kontijensi untuk uji hosmer and lemeshow, dapat dilihat bahwa dari sepuluh langkah pengamatan untuk kualitas audit yang baik (1) maupun tidak baik (0), nilai yang diamati maupun nilai yang diprediksi, tidak mempunyai perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya 4.2.1.4 Hasil Pengujian Hipotesis
Regresi logistik ingin menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya (Ghozali, 2005). Pada penelitian ini, regresi logistik dilakukan terhadap 90 perusahaan sampel yang terdiri dari 80 perusahaan yang memiliki kualitas audit baik (ditandai dengan angka 1) dan 10 perusahaan yang tidak memiliki kualitas audit yang baik (ditandai dengan angka 0). Pemberian tanda tersebut berdasarkan variabel dummy, yaitu 1 untuk perusahaan yang memiliki ROA di antara μ-σ dan μ+σ serta 0 untuk perusahaan
Contingency Table for Hosmer and Lemeshow Test Kualitas Audit =
.0000
Kualitas Audit = 1.0000
Total Observed Expected Observed Expected
Step 1 1 5 4.520 4 4.480 9 2 3 3.125 6 5.875 9 3 0 2.112 9 6.888 9 4 2 1.612 7 7.388 9 5 2 1.270 7 7.730 9 6 1 1.022 8 7.978 9 7 1 .806 8 8.194 9 8 1 .610 8 8.390 9 9 1 .535 8 8.465 9 10 0 .389 9 8.611 9
yang memiliki ROA di bawah μ-σ atau di atas μ+σ. μ adalah rata-rata dari keseluruhan earnings/total assets perusahaan sampel dan σ adalah deviasinya.
Rata-rata ROA (μ) dapat dihitung dengan menjumlah ROA semua perusahaan sampel lalu membaginya dengan jumlah sampel. Deviasi ROA (σ) dapat dihitung dengan rumus:
�= �1
� � (�� − �̅)2
�
�=1
dengan n = jumlah sampel perusahaan
xi = nilai ROA masing-masing perusahaan sampel
�̅ = rata-rata ROA dari seluruh perusahaan sampel
Klasifikasi kualitas audit ditentukan menggunakan aplikasi software Microsoft OfficeExcel dengan rumus =average (data1:90) untuk rata-rata ROA (μ) dan =stdev (data1:90) untuk deviasi ROA (σ). Nilai μ yang diperoleh adalah 0,0179 dan nilai σ-nya adalah 0,0208. Sehingga nilai μ-σ adalah - 0,0029 dan nilai μ+σ adalah 0,0387. Dengan demikian perusahaan yang memiliki kualitas audit baik (1) adalah yang memiliki ROA > - 0,0029 dan < 0,0387, sedangkan perusahaan yang tidak memiliki kualitas audit baik (0) adalah perusahaan yang memiliki ROA < - 0,0029 atau ROA > 0,0387.
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh dari variabel-variabel bebas terhadap kualitas audit. Pengujian dengan regresi logistik ditunjukkan dalam tabel-tabel berikut ini.
Tabel 4.7
Ikhtisar Pengolahan Data
Berdasarkan tabel 4.7 di atas dapat diambil analisis sebagai berikut : a. Jumlah sampel pengamatan sebanyak 90 sampel, dan seluruh sampel telah
diperhitungkan ke dalam pengujian hipotesis;
b. Tidak ada variabel dependen yang dikeluarkan dengan nilai dummy variabel. Variabel dependen bernilai 1 untuk kualitas audit yang tinggi dan bernilai 0 untuk kualitas audit yang rendah.
c. Metode yang digunakan untuk memasukkan data adalah metode enter dimana apabila menggunakan metode ini seluruh variabel bebas (independen) disertakan dalam pengolahan (analisis) data untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen. Selanjutnya variabilitas antara variabel dependen dengan variabel independen dapat dilihat pada tabel 4.8 berikut ini.
Tabel 4.8
Case Processing Summary
Unweighted Casesa N Percent
Selected Cases Included in Analysis 90 100.0 Missing Cases 0 .0 Total 90 100.0 Unselected Cases 0 .0 Total 90 100.0
Sumber : Hasil Pengolahan Data
Model Summary Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 72.904a .118 .195
Berdasarkan tabel 4.8 di atas, maka dapat dilihat bahwa hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox & Snell R Square sebesar 0.118. Cox & Snell R Square merupakan ukuran yang mencoba meniru ukuran R2 pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari satu, sehingga sulit untuk diinterpretasikan.
Nagelerke’s R square merupakan modifikasi dari koefisien Cox andSnell. Untuk memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu) hal ini dilakukan dengan cara membagi nilai Cox and Snell’s R square dengan nilai maksimumnya. Nilai Nagelerke R2 dapat diinterpretasikan seperti nilai R2 pada multiple regression. Dilihat dari hasil output pengolahan data nilai Nagalerke R Square adalah sebesar 0.195 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 19.5 %, sisanya sebesar 80.5 % dijelaskan oleh variabel-variabel lain di luar model.
a. Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan keterjadian variabel terkait (dependen) pada perusahaan dilihat melalui classification tabel.
Tabel 4.9 Matriks Klasifikasi Classification Tablea Observed
Predicted
Kualitas Audit Percentage Correct .0000 1.0000 Step 1 Kualitas Audit .0000 2 14 12.5 1.0000 1 73 98.6 Overall Percentage 83.3
Sumber : Hasil Pengolahan Data
Tabel 4.9 menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan kualitas audit yang baik sebesar 98.6%. Hal ini berarti bahwa dengan menggunakan model regresi yang digunakan ada 73 perusahaan yang diprediksi akan berkualitas audit yang baik dari 87 perusahaan yang berkualitas audit baik. Dan kekuatan prediksi model untuk kualitas yang tidak baik adalah sebesar 12.5% yang berarti bahwa dengan model regresi yang diajukan ada 2 perusahaan (12.5%) yang diprediksi berkualitas audit tidak baik dari total 3 perusahaan yang berkualitas audit tidak baik.
b. Menguji Koefisien Regresi
Tabel 4.10
Hasil Uji Koefisien Regresi Variable in The Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B) Lower Upper Step 1a X1(1) -.403 .867 .216 1 .642 .669 .122 3.656 X2 -1.118 .409 7.486 1 .006 .327 .147 .728 X3 -.098 .239 .168 1 .682 .907 .568 1.448 X4 14.055 9.379 2.246 1 .134 1270789.8 05 .013 122380539 904037.100 Constant -5.698 9.809 .338 1 .561 .003
Sumber : Hasil Pengolahan Data
Persamaan regresi dapat dilihat dari kolom B pada tabel 4.10. Tanda matematika dalam persamaan yang akan dibentuk mengikuti angka dalam kolom B.Persamaan regresi logistik yang terbentuk dapat dinyatakan sebagai berikut:
Y = -5.698 - 0.403 X1 -1.118 X2 - 0.098 X3 + 14.055 X4 + e Keterangan:
Y : Kualitas audit X1 : Ukuran KAP X2 : Audit tenure
X4 : Ukuran perusahaan klien (LnTA)
X4 : Ukuran leverage perusahaan klien (TL/TA)
Konstanta sebesar -5.698 menyatakan bahwa jika tidak diperhitungkan nilai ukuran KAP, audit tenure, ukuran perusahaan klien, dan ukuran leverage perusahaan, maka kemungkinan kualitas audit adalah sebesar -5.698.
Model di atas dapat diinterpretasikan sebagai berikut:
a. Variabel X1 (ukuran KAP) menunjukkan nilai koefisien sebesar -0.403 dengan tingkat signifikansi 0.642 lebih besar dari 0.05 (5%) artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif dan tidak signifikan terhadap kualitas audit. Tanda negatif pada koefisien ukuran KAP menunjukkan bahwa ukuran KAP yang lebih besar tidak memberikan kualitas audit yang baik dalam pemeriksaan laporan keuangan.
b. Variabel X2 (audit tenure) menunjukkan nilai koefisien sebesar -1.118 dengan tingkat signifikansi 0.006 lebih kecil dari 0.05 (5%) artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif dan berpengaruh signifikan terhadap kualitas audit. Tanda negatif pada koefisien audit tenure menunjukkan bahwa masa perikatan audit yang lebih panjang tidak menaikkan kualitas audit dalam pemeriksaan laporan keuangan.
c. Variabel X3 (ukuran perusahaan klien) menunjukkan nilai koefisien sebesar -0.098 dengan tingkat signifikansi 0.682 lebih besar dari 0.05 (5%) artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif dan tidak signifikan terhadap kualitas audit. Tanda negatif pada koefisien ukuran perusahaan klien menunjukkan bahwa ukuran perusahaan klien yang lebih besar tidak meningkatkan kualitas audit dalam pemeriksaan laporan keuangan.
d. Variabel X4 (ukuran leverage perusahaan) menunjukkan nilai koefisien sebesar 14.055 dengan tingkat signifikansi 0.134 lebih besar dari 0.05 (5%) artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien positif dan tidak signifikan terhadap kualitas audit. Tanda positif pada koefisien ukuran leverage perusahaan menunjukkan bahwa ukuran leverage yang lebih tinggi akan meningkatkan kualitas audit dalam pemeriksaan laporan keuangan.
