BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Analisis Hasil Penelitian
4.2.2 Pengujian Multikolinearitas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresiditemukan adanya korelasi antara variabel independen.Jika terjadi korelasi,maka dikatakan terdapat masalah multikolinearitas.Uji ini dilihat dari nilai tolerance dan VIF nya. Model regresi yang baik jika nilai Tolerance ≥ 0,1 dan VIF ≤ 10
Tabel 4.5
Hasil Uji Multikolinearitas
Coefficientsa a. Dependent Variable: Opini Audit Going Concern
Sumber: hasil pengolahan SPSS
Berdasarkan tabel 4.5 dapat dideskripsikan bahwa tidak ada gejala mulikoliniearitas antar variabel independen dalam penelitian ini. Pada tabel ini dapat dilihat bahwa tidak ada nilai tolerance yang kurang dari 0,10 dan tidak ada nilai VIF yang lebih besar dari 10. Maka dapat disimpulkan bahwa tidak terdapat masalah multikoliniearitas antara independennya.
4.3 Analisis Regresi Logistik
4.3.1 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 4.6
Tabel hosmer and lemeshow test
Hosmer and Lemeshow Test Step
Chi-square df Sig.
1 10.279 8 .246
Sumber: hasil pengolahan SPSS
Dari tabel 4.6 dapat dilihat bahwa hasil pengujian dengan SPSS menunjukkan nilai statistik Hosmer and Lemeshow sebesar 0,246 yang nilainya lebih besar dari 0,05. Dengan demikian Ho diterima sehingga model regresi layak digunakan karena sesuai dengan data observasinya.
4.3.2 Menilai 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 4.7
Tabel likelihood block 0
Iteration History
a,b,cIteration a. Constant is included in the model.
b. Initial -2 Log Likelihood: 142.796 c. Estimation terminated at iteration number 3 because parameter
estimates changed by less than .001.
Nilai -2LogL akhir pada block number = 1, dapat ditunjukkan melalui Constant Likuiditas Leverage
Kualitas
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 142.796
d. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.
Tabel diatas menunjukkan perbandingan antara nilai -2 LL awal dan -2 LL akhir, dimana terjadi penurunan nilai -2 LL awal (Block Number = 0) yaitu
142,796menjadi 127,632di 2 LL akhir (Block Number = 1). Selisih antara nilai -2LL awal dengan nilai --2LL akhir adalah sebesar 15,164 (142,796– 127.632).
Penurunan nilai -2 log likelihood ini menunjukkan bahwa Ho diterima yaitu model regresi yang dihipotesiskan fit dengan data, artinya penambahan variabel independen yaitu likuiditas, leverage, kualitas KAP dan ukuran perusahaan kedalam penelitian akan memperbaiki model fit penelitian ini.
4.3.3 Koefisien Determinasi (Nagelkerker 𝐑𝟐)
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas variabel dependen.
Tabel 4.9
Tabel Nagelkarke R Square
Model Summary
Step
-2 Log likelihood
Cox &
Snell R Square
Nagelkerke R Square 1 127.632
a.134 .181
a. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.
Sumber: hasil pengolahan SPSS
Berdasarkan tabel 4.9 dapat dilihat bahwa nilai Cox & Snell R Square sebesar 0,134 dan nilai Nagelkerke R Square sebesar 0,181. Hal ini menunjukkan variabilitas variabel independen untuk memperjelas variabilitas variabel dependen adalah sebesar 18,1%. sementara sisanya
sebesar 81,9% dijelaskan oleh faktor-faktor lain yang tidak disertakan dalam penelitian ini.
4.3.4 Matriks Klasifikasi
Matrik klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit going concern pada auditee.
Tabel 4.10 menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini going concern pada auditor sebesar 95,1%, hal ini berarti bahwa dengan menggunakan model regresi yang digunakan ada 58 perusahaan yang diprediksi akan menerima opini audit going concern dari 61 perusahaan yang menerima opini audit going concern. Kekuatan prediksi model untuk menerima opini audit non going concern adalah sebesar 31,8% yang berarti bahwa dengan model regresi yang diajukan ada 14 perusahaan (31,8%) yang diprediksi akan menerima opini audit non going concern dari total 44 perusahaan yang menerima opini audit non going concern.
4.4 Pengujian Hipotesis
Pengujian hipotesis bertujuan untuk mengetahui pengaruh dari variabel-variabel independen terhadap pemberian opini audit going concern. Pengujian hipotesis dalam penelitian ini menggunakan metode regresi logistik yang ditunjukkan dalam tabel Variables in Equation, yaitu dengan membandingkan nilai pada kolom signifikan dengan nilai signifikansi yang digunakan (α = 0,05).
Ha diterima jika α < 0,05 dan Ha ditolak jika α > 0,05.
Ho: Variabel bebas tidak berpengaruh secara signifikan terhadap terjadinya variabel terikat
Ha : Variabel bebas berpengaruh secara signifikan terhadap terjadinya variabel terikat.
a. Variable(s) entered on step 1: Likuiditas, Leverage, KualitasKAP, UkuranPerusahaan
Sumber: hasil pengolahan SPSS
Dari pengujian persamaan regresi logistik tersebut, diperoleh sebuah persamaan model regresi logistik sebagai berikut :
𝑳𝒏
𝟏−𝑮𝑪𝑮𝑪= 4,469 – 0,043LIK – 0,023LEV – 1,489K.KAP
Tabel 4.12 Hasil Hipotesis
No Hipotesis Beta Sig Kesimpulan
1 H1 -0,043 0,612 Tidak diterima
2 H2 -0,023 0,443 Tidak diterima
3 H3 -1,489 0,013 Diterima
4 H4 -0,144 0,028 Diterima
Sumber: hasil olahan peneliti
Berdasarkan Tabel 4.12 diperoleh hasil hipotesis dengan menggunakan regresi logistik sebagai berikut:
1. Likuiditas (X1) secara parsial berpengaruh terhadap penerimaan opini audit going concern(Y).
Berdasarkan tabel 4.12, rasio likuiditas (X1) menunjukkan koefisien negatif sebesar – 0,043 dengan tingkat signifikansi 0,612 > 0,05 yang berarti H1 tidak dapat diterima atau rasio likuiditas (X1) berpengaruh negatif dan tidak berpengaruh secara signifikan terhadap opini audit going concern(Y).
2. Leverage (X2) secara parsial berpengaruh terhadap penerimaan opini audit going concern(Y).
Berdasarkan tabel 4.12, debt to equity ratio (X2)menunjukkan koefisien negatif sebesar – 0,023 dengan tingkat signifikansi 0,443> 0,05 yang berarti H2tidak dapat diterima atau rasio leverage (X2) berpengaruh negatif dan tidak berpengaruh secara signifikan terhadap opini audit going concern(Y).
3. Kualitas KAP(X3) secara parsial berpengaruh terhadap penerimaan opini audit going concern(Y).
Berdasarkan tabel 4.12, Kualitas KAP (X3) menunjukkan koefisien negatif sebesar – 1,489 dengan tingkat signifikansi 0,013 0,05yang berarti H3 dapat diterima atau kualitas KAP (X3) berpengaruh negatif dan berpengaruh secara signifikan terhadap opini audit going concern(Y).
4. Ukuran Perusahaan (X4) secara parsial berpengaruh terhadapenerimaan opini audit going concern(Y).
Berdasarkan tabel 4.12, Ukuran perusahaan (X4) menunjukkan koefisien negatif sebesar – 0,144 dengan tingkat signifikansi 0,028 0,05yang berarti H4 dapat diterima atau ukuran perusahaan (X4) berpengaruh negatif dan berpengaruh secara signifikan terhadap opini audit going concern(Y).