BAB I PENDAHULUAN
4.2. Analisis Hasil Penelitian
4.2.2. Pengujian Model
Tabel 4.5
Statistik Frekuensi Variabel Ukuran Kantor Akuntan Publik
Sumber : Hasil Output SPSS
Dari tabel 4.5 dapat dideskripsikan bahwa variabel independen ukuran kantor akuntan publik merupakan variabel nominal yang menggunakan variabel dummy dimana kantor auditor yang berafiliasi dengan KAP big-four diberi kode “1’ dan kantor auditor yang berafiliasi dengan KAP non-big-fourdiberi kode “0”, serta memiliki data valid karena data seluruhnya telah di proses. Jumlah laporan keuangan perusahaan diaudit KAP yang berafiliasi dengan big-four ada sebanyak 18 perusahaan (40%), sedangkan yang tidak berafiliasi dengan big-four ada sebanyak 27 perusahaan (60%).
4.2.2 Pengujian Model
4.2.2.1 Hasil Uji Multikolinearitas
Tujuan uji multikolinearitas adalah Untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
Frequency Percent Valid Percent
Cumulative Percent Valid Kantor Akuntan
Publik Non Big Four
27 60.0 60.0 60.0
Kantor Akuntan Publik Big Four
18 40.0 40.0 100.0
49 (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.Gejala multikolonieritas terjadi apabila nilai korelasi antar variabel independen lebih besar dari 0.90.
Hasil uji multikolinearitas disajikan pada tabel 4.6 berikut ini: Tabel 4.6
Hasil Uji Multikolinearitas Correlation Matrix
Constant ROA KAP(1) OPAU(1)
Step 1 Constant 1.000 .000 -1.000 .000
ROA .000 1.000 .000 -.098
KAP(1) -1.000 .000 1.000 .000
OPAU(1) .000 -.098 .000 1.000
Sumber : Hasil Output SPSS
Hasil pengujian dapat menunjukkan bahwa tidak terdapat gejalamultikolonieritas.Matriks korelasi di atas mengungkapkan bahwa korelasi antar variabel independen yang paling besar - 0.098 yang lebih kecil dari 0.90. Berdasarkan hasil ini, dapat disimpulkan bahwa variabelpersentase perubahan ROA, ukuran KAP, dan opini audit bebas dari gejala multikolonieritas.
4.2.2.2 Menguji kelayakan Model Regresi (Goodness of Fit) Menilai kelayakan model regresi dilakukan dengan menilai nilai signifikan pada tabel Hosmer and Lemeshow Goodness of fit test. Model dikatakan mampu memprediksi nilai observasi karena cocok
50 dengan data observasinya apabila nilai Hosmer and Lemeshow Goodness of fit test > 0,05.
Tabel 4.7
Hasil UjiHosmer and Lemeshow Goodness of fit
Sumber : Hasil Output SPSS
Dari tampilan tabel hosmer and lamenshow di atas pada tabel 4.7 ditunjukan bahwa besarnya nilai statistik hosmer and lamenshow Goodness of Fit sebesar 2,347 dengan probabilitas signifikansi 0,938 dimana 0,938 > 0.05). Hal ini berarti model regresi yang dipergunakan dalam penelitian ini layak dipakai untuk
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 2.347 7 .938
Contingency Table for Hosmer and Lemeshow Test
AUSW = Perusahaan Tidak Melakukan Pergantian Kantor Akuntan Publik
AUSW = Perusahaan Melakukan Pergantian Kantor Akuntan Publik
Total
Observed Expected Observed Expected
Step 1 1 5 5.000 0 .000 5 2 5 5.000 0 .000 5 3 5 5.000 0 .000 5 4 5 4.909 0 .091 5 5 5 4.690 0 .310 5 6 4 4.642 1 .358 5 7 4 4.299 1 .701 5 8 4 4.194 1 .806 5 9 4 3.266 1 1.734 5
51 analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dan klasifikasi yang diamati.
4.2.2.3 Menguji Model Keseluruhan Model (Overall Fit Model) Menilai keseluruhan model dilakukan dengan cara memperhatikan angka pada -2 Log Likelihood (-2LL) Block Number = 0 dan -2 Log Likelihood (-2LL) Block Number = 1. Jika terjadi penurunan angka -2 Log Likelihood (block Number = 0 – block Number = 1) menunjukkan model regresi yang baik. Nilai -2 Log Likelihood (-2LL) Block Number = 0 dapat dilihat pada tabel 4.8 sebagai berikut.
Tabel 4.8
Hasil Uji Overall Fit Model -2 LogLikelihood Awal
Iteration Historya,b,c
Iteration -2 Log likelihood Coefficients Constant Step 0 1 29.047 -1.644 2 27.076 -2.182 3 26.997 -2.319 4 26.996 -2.327 5 26.996 -2.327
a. Constant is included in the model. b. Initial -2 Log Likelihood: 26,996
c. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
52 Tabel 4.9
Hasil Uji Overall Fit Model -2 LogLikelihood Akhir
Iteration Historya,b,c,d
Iteration
-2 Log likelihood
Coefficients
Constant ROA KAP(1) OPAU(1)
Step 1 1 24.918 -1.985 .003 .611 -.336 2 20.646 -3.069 .004 1.407 -.695 3 19.463 -4.069 .004 2.428 -1.016 4 19.085 -5.078 .004 3.459 -1.128 5 18.952 -6.086 .004 4.469 -1.141 6 18.903 -7.089 .004 5.472 -1.141 7 18.886 -8.090 .004 6.473 -1.141 8 18.879 -9.090 .004 7.473 -1.141 9 18.877 -10.090 .004 8.474 -1.141 10 18.876 -11.090 .004 9.474 -1.141 11 18.875 -12.090 .004 10.474 -1.141 12 18.875 -13.090 .004 11.474 -1.141 13 18.875 -14.090 .004 12.474 -1.141 14 18.875 -15.090 .004 13.474 -1.141 15 18.875 -16.090 .004 14.474 -1.141 16 18.875 -17.090 .004 15.474 -1.141 17 18.875 -18.090 .004 16.474 -1.141 18 18.875 -19.090 .004 17.474 -1.141 19 18.875 -20.090 .004 18.474 -1.141 20 18.875 -21.090 .004 19.474 -1.141 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 26,996
d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
53 Pada tabel 4.8 dan 4.9 terlihat bahwa angka -2 LL Block Number = 0 adalah 26,996. Dari model tersebut ternyata overall model fit pada -2LL Block Number = 0 menunjukan adanya penurunan pada -2LL Block Number = 1 sebesar 8,121 (26,996-18,875). -2 Log Likelihood awal memiliki nilai 26,996 danmemiliki degree of freedom sebesar 45 – 1 = 44. Kemudian pada tabel selanjutnya dapat dilihat nilai -2 Log Likelihood akhir dengan block number = 1 nilai -2 log likelihood pada tabel 4.9 mengalami penurunan setelah masuknya beberapa variabel independen pada model penelitian, akibatnya nilai -2 Log Likelihood akhir menunjukkan nilai 18,875 dan memiliki degree of freedom sebesar 45 – 3 = 42. Penurunan nilai -2 Log Likelihood sebesar 26,996-18,875 = 8,121 dengan selisih degree of freedom senilai 44 – 42 = 2.
Ghozali (2011:346) menyatakan bahwa, ”Penurunan ini signifikan atau tidak dapat dibandingkan dengan tabel c2 dengan df (selisih df dengan konstan saja dan df dengan 3 variabel independen)”. Tabel C-2 dengan degree of freedom 2 menunjukkan angka 5.99146. Oleh karena 8,121 lebih besar dari nilai yang ditunjukkan tabel maka dapat dikatakan bahwa selisih penurunan -2 Log Likelihood adalah signifikan. Penurunan nilai -2 log likelihood menunjukkan bahwa model penelitian ini dinyatakan baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
54 4.2.2.4 Uji Koefisien Determinasi
Tujuan dari digunakanannya koefisien determinasi yaitu untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square.
Tabel 4.10
Hasil Uji Koefesien Determinasi
Tabel 4.10 menunjukkan bahwa nilai Cox & Snell R Square sebesar 0,165 dan nilai Nagelkerke R Square sebesar 0,366. Hal ini menunjukkan variabilitas variabel independen untuk memperjelas variabel dependen adalah sebesar 36,6%, sementara sisanya yaitu sebesar 63,4% dijelaskan oleh faktor-faktor lain di luar model penelitian ini.
4.2.3 Pengujian Hipotesis Penelitian
Pengujian hipotesis menggunakan model logistic regression
dengan metode enter pada tingkat signifikansi (α) 5% (0,05). Apabila
Model Summary
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 18.875a .165 .366
55 tingkat signifikansi < 0,05, maka hipotesis diterima, jika tingkat signifikansi > 0,05, maka hipotesis tidak dapat diterima. Logistic regression digunakan untuk menguji pengaruh persentase perubahan ROA (ROA), ukuran kantor akuntan publik (KAP), opini audit (OPAU) terhadap pergantian kantor akuntan publik (SWITCH).
Tabel 4.11
Hasil Uji Koefesien Regresi Logistik
sumber : Hasil Output SPSS
Dari hasil persamaan regresi logistik tersebut, maka diperoleh model regresi logistik sebagai berikut :
Ln (SWITCH) = -21,090 + 0,004ROA + 19,474KAP - 1,141OPAU +ε
Berdasarkan tabel 4.11 dapat dideskripsikan hal sebagai berikut :
1. ROA mempunyai tingkat signifikansi 0,200 dan lebih besar dari tingkat signifikansi 0,05, sehingga persentase perubahan ROA Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a ROA .004 .003 1.644 1 .200 1.004 KAP(1) 19.474 9256.0 44 .000 1 .998 2.866E8 OPAU( 1) -1.141 1.290 .782 1 .376 .319 Consta nt -21.090 9256.0 44 .000 1 .998 .000
56 perusahaantidak berpengaruh signifikan terhadap pergantian kantor akuntan publik.
2. KAP mempunyai tingakat signifikansi sebesar 0,998 lebih besar dari tingkat signifikansi 0,05, sehingga variabel ukuran kantor akuntan publik yang diproksikan dengan big-four dan non-big four tidak dapat diterima, artinya ukuran kantor akuntan publik tidak berpengaruh signifikan terhadap kantor akuntan publik.
3. OPAU mempunyai tingkat signifikansi sebesar 0,376 lebih besar dari tingkat signifikansi 0,05, sehingga variabel opini audit yang diproksikan dengan opini wajar tanpa pengecualian dan opini diluar opini wajar tanpa pengecualian tidak dapat diterima, artinya opini audit yang dikeluarkan oleh akuntan publik tidak berpengaruh signifikan terhadap pergantian kantor akuntan publik.
