TABEL 4.1 Statistik Deskriptif
4.2 Pengujian Data
4.3.1 Menilai Model Fit dan Keseluruhan Model (Overall
Model Fit)
Uji ini digunakan untuk menilai model yang telah dihipotesakan telah fit atau tidak dengan data dilakukan pengujian 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). Nilai -2 Log Likelihood awal pada block number = 0, ditunjukkan melalui tabel berikut :
Tabel 4.8 Tabel likehood block 0
Iteration -2 Log likelihood
Coefficients Constant Step 0 1 65.151 -.929 2 65.085 -1.004 3 65.085 -1.006 4 65.085 -1.006
a. Constant is included in the model. b. Initial -2 Log Likelihood: 65.085
c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Nilai -2LogL akhir pada block number = 1, dapat ditunjukkan melalui tabel berikut:
Tabel 4.9 Tabel likehood block 1
Iteration
-2 Log likelihood
Coefficients
Constant ADTR DER LN_SIZE PRIOR Step 1 1 46.767 -.954 -.243 .049 -.061 2.150 2 44.351 -1.122 -.604 .068 -.095 2.799 3 44.171 -1.114 -.793 .075 -.112 3.024 4 44.170 -1.109 -.814 .075 -.114 3.049 5 44.170 -1.109 -.814 .075 -.114 3.049 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 65.085
d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Tabel diatas menunjukkan bahwa -2LogL awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada step 2 memperoleh nilai sebesar 65.085. Kemudian pada tabel berikutnya dapat dilihat nilai -2LogL setelah masuknya beberapa variabel independen pada model sehingga nilai -2LogL akhir pada step 5 menunjukkan nilai 44.170. Selisih antara nilai -2LogL awal dengan nilai -2LogL akhir adalah sebesar 20.915 (65.085-44.170). Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data
4.3.2 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 berikut ini:
Ho : Tidak ada perbedaan antara model dengan data Ha : Ada perbedaan antara model dengan data.
Tabel 4.10
Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 5.293 7 .624
Sumber: Hasil Output SPSS
Tabel 4.10 menunjukkan hasil pengujian Hosmer and Lameshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 5.293, nilai signifikansi yang diperoleh lebih besar dari α 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.
4.3.3 Koefisien Determinasi
variabilitas variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat diinterpretasikan seperti nilai R Square pada regresi berganda (Ghozali,2006). Nilai ini didapat dengan cara membagi nilai Cox & Snell R Square dengan nilai maksimumnya.
Tabel 4.11
Tabel Nagelkerke R Square
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 44.170a .312 .454
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Sumber: Hasil Output SPSS
Tabel 4.11 menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data nilai Nagelkerke R Square adalah sebesar 0.454 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 45.4%, sisanya sebesar 54,6 % (100%-45.4%) dijelaskan variabilitas variabel-variabel lain di luar model penelitian.
4.4 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini dilakukan untuk menguji pengaruh variabel independen yaitu Kualitas Audit (ADTR), leverage (DER), ukuran perusahaan (SIZE), dan Opini audit tahun sebelumnya (PRIOR) terhadap
opini going concern. Metode regresi logistik dapat dilihat dalam tabel-tabel dibawah ini:
Tabel 4.12
Case Processing Summary
Unweighted Casesa N Percent
Selected Cases Included in Analysis 56 100.0
Missing Cases 0 .0
Total 56 100.0
Unselected Cases 0 .0
Total 56 100.0
a. If weight is in effect, see classification table for the total number of cases.
Sumber: Hasil Output SPSS
Berdasarkan tabel 4.12 maka diperoleh hasil analisa sebagai berikut
a. Jumlah sampel pengamatan sebanyak 56 sampel, dan seluruh sampel telah diperhitungkan kedalam pengujian hipotesis
b. Tidak ada variabel dependen yang dikeluarkan (missing) dengan nilai variabel dummy : 1 untuk opini going concern dan 0 untuk opini 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.
dengan regresi logistic cukup dengan melihat Variabel in the Equation, pada kolom significant dibandingkan dengan tingkat kealpahan 0,05 (5%). Apabila tingkat signifikansi < 0,05 maka hipotesis diterima.
Tabel 4.13 Uji Koefisien Regresi Variables in the Equation
B S.E. Wald Df Sig. Exp(B)
95.0% C.I.for EXP(B) Lower Upper Step 1a ADTR -.814 1.392 .342 1 .559 .443 .029 6.783 DER .075 .045 2.796 1 .095 1.078 .987 1.178 LN_SIZE -.114 .143 .638 1 .424 .892 .674 1.181 PRIOR 3.049 .845 13.015 1 .000 21.094 4.025 110.550 Constant -1.109 2.041 .295 1 .587 .330
a. Variable(s) entered on step 1: ADTR, DER, LN_SIZE, PRIOR.
Sumber: Hasil Output SPSS
Tabel 4.13 diatas telah menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikansi 5%. Dari pengujian dengan regresi logistik diatas maka diperoleh persamaan regresi logistik berikut :
���� = -1.109 - 0.814 ADTR + 0.075 DER – 0.114 SIZE + 3.049 PRIOR + ε
Konstanta sebesar -1.109 menyatakan bahwa jika tidak memperhitungkan nilai kualitas audit, leverage, debt to equity ratio, dan opini audit tahun sebelumnya, maka kemungkinan penerimaan opini going concern adalah sebesar -1.109.
Tabel 4.14 Hasil Hipotesis
N0 Hipotesis Beta Sig Kesimpulan
1 H1 -0.814 0.559 Tidak Didukung
2 H2 0.075 0.095 Tidak didukung
3 H3 -0.114 0.424 Tidak Didukung
4 H4 3.049 0.000 Didukung
Berdasarkan tabel 4.14 maka diperoleh hasil uji regresi logistik. Hasil pengujian hipotesis adalah
H1 : Kualitas Audit berpengaruh terhadap penerimaan opini going concern. Kualitas Audit pada tabel di atas menunjukkan koefisien negatif sebesar -0.814 dengan tingkat signifikansi 0.559 > 0.05 yang berarti H1 tidak dapat didukung atau kualitas audit berpengaruh negatif dan tidak berpengaruh secara signifikan terhadap opini audit going concern.
H2 : Leverage berpengaruh terhadap penerimaan opini audit going concern. Debt to equity ratio pada tabel di atas menunjukkan koefisien positif sebesar 0.075 dengan tingkat signifikansi 0.095 > 0.05 yang berarti H2 tidak dapat didukung atau pertumbuhan perusahaan berpengaruh negatif dan tidak berpengaruh secara signifikan terhadap opini audit going concern.
H3 : Ukuran Perusahaan berpengaruh terhadap penerimaan opini audit going concern. Ukuran perusahaan pada tabel di atas menunjukkan koefisien negatif sebesar -0.114 dengan tingkat signifikansi 0.424 >
0.05 yang berarti H3 tidak dapat didukung atau ukuran perusahaan berpengaruh positif dan tidak berpengaruh secara signifikan terhadap opini audit going concern.
H4 : Opini audit tahun sebelumnya berpengaruh terhadap penerimaan opini audit going concern. Opini audit tahun sebelumnya pada tabel di atas menunjukkan koefisien positif sebesar 3.049 dengan tingkat signifikansi 0 < 0.05 yang berarti H4 dapat didukung atau opini audit tahun sebelumnya berpengaruh positif dan berpengaruh secara signifikan terhadap opini audit going concern .
