ANALISIS HASIL DAN PEMBAHASAN
90 Sumber : Data diolah sendiri
4.2 Metode Analisis Data .1 Statistik Deskriptif .1 Statistik Deskriptif
4.2.2 Hasil Pengujian Hipotesis Penelitian
Karena variabel dependen bersifat dikotomi (mendapatkan opini audit going concern dan tidak mendapatkan opini audit going concern), maka pengujian terhadap hipotesis dilakukan dengan menggunakan uji regresi logistik. Hasil pengujian hipotesis ini dapat dijelaskan pada tabel 4.9 s/d 4.14 sebagai berikut :
49 4.2.2.1 Pengujian Model Fit dan Keseluruhan Model (Overall Model Fit)
Analisis pertama yang dilakukan adalah menilai overall fit model terhadap data. Hipotesis untuk menilai model fit adalah sebagai berikut:
H0: model yang dihipotesiskan fit dengan data Ha: model yang dihipotesiskan tidak fit dengan data
Pengujiannya dilakukan dengan membandingkan nilai antara -2 Log Likelihood (-2LogL) pada awal (block number = 0) dengan nilai -2Log LikeLihood (-2LogL) pada akhir (block number = 1) untuk mengetahui apakah model fit dengan data yang sedang diuji.
Tabel 4.9
Hasil pengujian model fit -2LogL Pada Block Awal
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 122,580
c. Estimation terminated at iteration number 3 because parameter estimates changed by less than ,001.
Sumber : Hasil Output SPSS 21
Dari tabel 4.9 diatas adalah -2 Log Likelihood (-2LogL) pada awal (block number = 0) yaitu sebesar 122,580. Nilai yang tertera dalam tabel digunakan untuk dibandingkan dengan nilai -2 Log LikeLihood (-2LogL) pada akhir (block number = 1). Adanya penurunan antara -2 Log Likelihood (-2LogL) pada awal
50 (block number = 0) dengan -2 Log Likelihood (-2LogL) pada akhir (block number
= 1) menunjukkan bahwa model yang dihipotesiskan fit dengan data.
Tabel 4.10
Hasil pengujian model fit -2LogL Pada Block Akhir
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 122,580
d. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
Sumber : Hasil Output SPSS 21
Dilihat dari tabel 4.10 diatas mengetahui bahwa nilai -2LogLikehood akhir (block number = 1) sebesar 36,816. Hal ini berarti nilai -2 LogLikehood awal (block number = 0) mengalami penurunan pada nilai akhir yaitu dari nilai awal sebesar 122,580 menjadi 36,816, yang menunjukkan bahwa model yang dikatakan fit dengan data.
51 4.2.2.2 Menilai Kelayakan Model Regresi (Goodness of Fit Test)
Analisis selanjutnya adalah menguji kelayakan model regresi logistik.
Kelayakan model regresi dapat dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test dengan kriteria sebagai berikut:
a. Jika nilai statistik (Sig.) Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari pada 0,05 maka model regresi dapat disimpulkan mampu memprediksi nilai observasinya atau dapat dikatakan model regresi dapat diterima karena model regresi dapat memprediksi nilai observasinya (Ghozali, 2016:329).
b. Jika nilai statistik (Sig.) Hosmer and Lemeshow’s Goodness of Fit Test lebih kecil dari pada 0,05 maka model regresi dapat disimpulkan tidak mampu memprediksi nilai observasinya atau dapat dikatakan model regresi tidak dapat diterima karena model regresi tidak dapat memprediksi nilai observasinya (Ghozali, 2016:329).
Sumber : Hasil Output SPSS 21
Hasil pengujian pada tabel 4.11 menunjukkan bahwa nilai signifikansinya sebesar 0,249 sehingga lebih besar dari 0,05 Hasil ini dapat menunjukkan bahwa model regresi dapat diterima karena model regresi dapat memprediksi nilai observasinya karena cocok dengan data observasinya.
52 4.2.2.3 Uji Koefisien Determinasi (Nagelkerke R Square)
Negelkerke R Square merupakan modifikasi dari koefisien Cox And Snell R Square untuk memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu), akan lebih mudah untuk diinterpretasikan sebagaimana interpretasi atas R Square pada mutiple regression (Ghozali, 2016:329).
Berdasarkan tabel 4.12 dibawah ini dapat diketahui bahwa nilai Cox and Snell R Square sebesar 0,614 dan nilai Nagelkerke R Square sebesar 0,826, yang berarti menunjukkan bahwa kemampuan seluruh variabel independen dalam menjelaskan variabel dependen secara bersama-sama adalah sebesar 0,826 atau 82,6%.
Tabel 4.12
Hasil Uji Negelkerke R Square
Model Summary
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
Sumber : Hasil Output SPSS 21 4.2.2.4 Uji Omnibus (Overall Test)
Tabel 4.13
Uji Omnibus (Overall Test)
Omnibus Tests of Model Coefficients
Chi-square Df Sig.
Step 1
Step 85,764 4 ,000
Block 85,764 4 ,000
Model 85,764 4 ,000
Sumber : Hasil Output SPSS 21
53 Uji Omnibus (Overall Test) ini dilakukan untuk mengetahui apakah secara bersama-sama variabel bebas (independen) berpengaruh signifikan terhadap variabel terikat (dependen) atau minimal ada satu variabel bebas yang berpengaruh signifikan terhadap variabel terikat. Uji ini mirip dengan uji F pada analisis regresi linier berganda. Nilai uji ini dapat dilihat dari hasil Omnibus Test of Model Coeffisients dengan asumsi bahwa nilai α sebesar 5% atau 0,05. Kriteria uji hipotesis yang digunakan adalah sebagai berikut :
3. Jika nilai signifikan > 0,05 maka H0 diterima, yang artinya berarti bahwa variabel independen tidak berpengaruh secara signifikan terhadap variabel dependen.
4. Jika nilai signifikan < 0,05 maka H0 ditolak, yang berarti bahwa variabel independen berpengaruh signifikan terhadap variabel dependen.
Hasil Uji Omnibus (Overall Test) dapat dilihat dari tabel 4.13, diperoleh nilai signifikan sebesar 0,000 lebih kecil dari 0,05 (0,000 < 0,05) sehingga dapat disimpulkan bahwa variabel prediksi kebangkrutan (PK), leverage (LV), audit sebelumnya (AOS) dan ukuran perusahaan (UP) berpengaruh terhadap opini audit going concern.
4.2.2.5 Menguji Koefisien Regresi
Pengujian regresi logistik dalam penelitian ini menggunakan tingkat signifikansi sebesar 0,05 (5%). Dengan menguji koefisien regresi maka dapat diketahui sejauh mana variabel independen berpengaruh pada variabel dependen.
Apabila nilai signifikansi lebih besar dari nilai α sebesar 5% atau (0,05) maka hipotesis alternatif ditolak (variabel independen tersebut tidak berpengaruh
54 signifikan terhadap variabel dependen), sedangkan apabila nilai signifikansi lebih kecil dari nilai α sebesar 5% atau (0,05), maka hipotesis alternatif diterima (variabel independen tersebut berpengaruh signifikan terhadap variabel dependen). Dari hasil persamaan regresi logistik diperoleh model regresi pada tabel 4.14 berikut :
Tabel 4.14
Hasil Uji Koefisien Regresi Logitik
Variables in the Equation
a. Variable(s) entered on step 1: PK, LV, AUS, UP.
Sumber : Hasil Output SPSS 21
Dari tabel output diatas dapat ditulis persamaan model regresi logistik sebagai berikut :
Ln GCA
−GCA = -0,613 + 0,090 x1 + 0,881x2 + 5,636x3 -0,124x4 + e 4.3 Interpretasi Hasil
Berdasarkan tabel 4.14 dapat diinterpretasi sebagai berikut :
1. Kecendrungan perusahaan manufaktur menerima opini audit going concern (GCAO) berhubungan positif dengan prediksi kebangkrutan (PK). Setiap peningkatan prediksi kebangkrutan (PK) sebesar satu poin membuat kecendrungan mengalami peningkatan penerimaan opini audit going concern (GCAO) sebesar 0,090 kali.
2. Kecendrungan perusahaan manufaktur menerima opini audit going concern
55 (GCAO) berhubungan positif dengan leverage (LV). Setiap peningkatan leverage (LV) sebesar satu poin membuat kecendrungan mengalami peningkatan penerimaan opini audit going concern (GCAO) sebesar 0,881 kali.
3. Kecendrungan perusahaan manufaktur menerima opini audit going concern (GCAO) berhubungan positif dengan audit sebelumnya (AOS). Setiap peningkatan audit sebelumnya (AOS) sebesar satu poin membuat kecendrungan mengalami peningkatan penerimaan opini audit going concern (GCAO) sebesar 5,636 kali.
4. Kecendrungan perusahaan manufaktur menerima opini audit going concern (GCAO) berhubungan negatif dengan ukuran perusahaan (UP). Setiap peningkatan ukuran perusahaan (UP) sebesar satu poin membuat kecendrungan mengalami penurunan penerimaan opini audit going concern (GCAO) sebesar 0,124 kali.