Block 1: Method = Enter
4.2.2 Uji Kelayakan Model Regresi (Hosmer dan Lemeshow’s Goodness of Fit Test)
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hosmer and Lemeshow’s Goodness of Fit Test
64 menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Jika nilai statistik Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistic Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 0,05, maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya. (Ghozali, 2016 : 329). Hasil hosmer and lemeshow good of fit test dapat dilihat berikut ini :
Tabel 4.9 Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 14,404 8 ,072
Sumber : Ouput SPSS, diolah peneliti (2018)
Dari hasil pengujian pada tabel diatas di peroleh chi-square sebesar 14,404 dengan nilai signifikan sebesar 0,072 dan Df 8. Dari hasil tersebut terlihat bahwa nilai signifikan lebih besar dari 0,05 (5%) sehingga hipotesis nol di terima, yang berarti tidak ada perbedaan antara klasifikasi yang di prediksi dengan klasifikasi yang di amati. Sehingga dapat disimpulkan bahwa pada model regresi logistik yang digunakan telah memenuhi kecukupan data (fit).
65 4.2.3 Uji Koefisien Determinasi (Nagelkerke’s R Square)
Nagelkerke’s R square merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu). Hal ini dilakukan dengan cara membagi nilai Cox dan Snell’s R2 dengan nilai maksimumnya. Nilai Nagelkerke’s R2 dapat diinterpretasikan seperti nilai R2 pada multiple regression. Nilai yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Tabel 4.10
Model Summary Step -2 Log
likelihood
Cox & Snell R Square
Nagelkerke R Square
1 68,728a ,286 ,394
Sumber : Ouput SPSS, diolah peneliti (2018)
Besarnya nilai koefisien determinasi pada model regresi logistik di tunjukkan dengan nilai pada nagelkerke R square. Berdasarkan tabel 4.10 nilai nagelkerke R square adalah sebesar 0,394 dan jika di persentasikan jadi 39,4%.
Hal ini berarti bahwa variabilitas dependen yaitu auditor swichting (Y) yang dapat dijelaskan oleh variabilitas independen yaitu opini audit (X1),pergantian manajemen (X2), ukuran perusahaan (X3), ukuran KAP (X4) dan financial distress (X5) adalah sebesar 39,4%, sedangkan sisanya sebesar 60,6% dijelaskan atau di pengaruhi faktor lain di luar model penelitian.
66 4.2.4 Matriks klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi logistik untuk memprediksi kemungkinan melakukan auditor swiching yang dilakukan perusahaan. Hasil uji matriks klasifikasi disajikan pada tabel berikut
Tabel 4.11
Sumber : Ouput SPSS, diolah peneliti (2018)
Pada tabel 4.11 menunjukkan bahwa kekuatan untuk memprediksi kemungkinan perusahaan melakukan auditor switching adalah sebesar 56 % (56.0). Hal ini berarti bahwa dengan menggunakan model regresi logistik yang digunakan, terdapat sebanyak 25 (56%) yang di prediksi melakukan auditor switching dari 72 total sampel.
Kekuatan prediksi model yang tidak melakukan auditor switching adalah sebesar 87,2%, yang berarti bahwa terdapat sebanyak 47 yang tidak melakukan auditor switching dari 72 total sampel.
67 4.2.5 Pengujian Hipotesis
4.2.5.1 Hasil Uji Secara Parsial
Pengujian hipotesis dilakukan untuk menguji pengaruh opini audit, pergantian manajemen, ukuran perusahaan klien, ukuran KAP dan financial distress terhadap auditor switching. Koefisien regresi dari setiap variabel yang diuji menunjukkan bentuk hubungan antar variabel dengan menggunakan hasil uji regresi yang ditunjukkan dalam variabel in the equation pada kolom significant.
Kriteria pengujiannya menggunakan tingkat kepercayaan sebesar 95 % atau taraf signifikansi 5% (α = 0,05) yang ditunjukkan dalam variabel in the equation pada kolom significant,dengan hipotesis :
Ha = Apabila tingkat signifikansi ≤ 0,05 yang berarti variabel independennya berpengaruh secara signifikan terhadap terjadinya auditor swiching.
H0 = apabila tingkat signifikansi > 0,05 yang berarti variabel independen tidak berpengaruh secara signifikan terhadap auditor swiching.
Tabel 4.8 berikut ini menunjukkan ringkasan hasil regresi logistik Tabel 4.12
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a
X1 2,452 0,692 12,565 1 0,000 0,086
X2 1,624 0,682 5,669 1 0,017 5,072
X3 0,160 0,151 1,127 1 0,289 1,174
X4 21,875 40192,970 0,000 1 1,000 144421802,402
X5 -0,129 0,233 0,309 1 0,578 0,879
Constant -3,558 4,244 0,703 1 0,402 0,028
Sumber : Ouput SPSS, diolah peneliti (2018)
H1 = Opini audit berpengaruh terhadap auditor switching pada perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia tahun 2013-2016.
Berdasarkan tabel 4.12 hasil penelitian menunjukkan bahwa opini audit memiliki nilai signifikan sebesar 0,000 (lebih kecil dari α = 0,05 ) maka H1
68 diterima. Dengan demikian hasil perhitungan statistik menunjukkan secara parsial bahwa opini audit (X1) berpengaruh signifikan terhadap auditor switching (Y).
H2 =Pergantian manajemen berpengaruh terhadap auditor switching pada perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia tahun 2013-2016.
Berdasarkan tabel 4.12 hasil penelitian menunjukkan bahwa pergantian manajemen memiliki nilai signifikan sebesar 0,017 (lebih kecil dari α = 0,05 ) maka H2 diterima. Dengan demikian hasil perhitungan statistik menunjukkan secara parsial bahwa pergantian manajemen (X2) berpengaruh signifikan terhadap auditor switching (Y).
H3 = Ukuran perusahaan klien berpengaruh terhadap auditor switching pada perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia tahun 2013-2016.
Berdasarkan tabel 4.12 hasil penelitian menunjukkan bahwa ukuran perusahaan memiliki nilai signifikan sebesar 0,289 (lebih besar dari α = 0,05 ) maka H3 ditolak. Dengan demikian hasil perhitungan statistik menunjukkan secara parsial bahwa Ukuran Perusahaan Klien (X3) tidak berpengaruh terhadap auditor switching (Y).
H4 = Ukuran kantor akuntan publik berpengaruh terhadap auditor switching pada perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia tahun 2013-2016.
69 Berdasarkan tabel 4.12 hasil penelitian menunjukkan bahwa ukuran KAP memiliki nilai signifikan sebesar 1,000 (lebih kecil dari α = 0,05 ) maka H4
ditolak. Dengan demikian hasil perhitungan statistik menunjukkan secara parsial bahwa Ukuran KAP (X4) tidak berpengaruh terhadap auditor switching (Y).
H5 = Financial distress berpengaruh terhadap auditor switching pada perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia tahun 2013-2016.
Berdasarkan tabel 4.12 hasil penelitian menunjukkan bahwa financial distress memiliki nilai signifikan sebesar 0,578 (lebih besar dari α = 0,05 ) maka H5 ditolak. Dengan demikian hasil perhitungan statistik menunjukkan secara parsial bahwa financial distress (X5) tidak berpengaruh terhadap auditor switching (Y).
4.2.5.2 Hasil Analisis Data
Tabel 4.13 Hasil analisis hipotesis
Sig. Keterangan Hasil
Opini audit (X1) 0,000 H1 diterima Signifikan Pergantian manajemen (X2) Sumber : Ouput SPSS, diolah peneliti (2018)
70 4.3 Pembahasan Hasil Penelitian