ANALISIS FAKTOR YANG MEMPENGARUHI AUDITOR WITCHING PADA PERUSAHAAN SUB SEKTOR INDUSTRI DASAR & IMIA YANG TERDAFTAR DI BURSA EFEK INDONESIA TAHUN 2018

(1)

ANALISIS FAKTOR YANG

MEMPENGARUHI AUDITOR

SWITCHING PADA

PERUSAHAAN

SUB SEKTOR INDUSTRI DASAR &

KIMIA YANG TERDAFTAR DI BURSA

EFEK INDONESIA TAHUN 2018

Mohammad Sofyan, S.E., M.M

9/24/2020

(2)

◦ Pengertian Analisis Regresi Logistik

◦ Model Analisis Regresi Logistik

◦ Identifikasi Data Outlier

◦ Goodness of Fit

◦ Pengujian Hipotesis

Jenis Analisis Multivariat

Peubah Dependen

Jenis Data Peubah Independen Jumlah

Peubah Jenis Data

Analisis Regresi Linier

Sederhana/Berganda 1 Metrik Metrik/Non-Metrik

Analisis Regresi Logistik 1 Non-Metrik Metrik/Non-Metrik

Analisis Diskriminan 1 Non-Metrik Metrik/Non-Metrik

Analisis Konjoin 1 Non-Metrik Non-Metrik

Analisis Kanonikal >1 Metrik Metrik

Manova >1 Metrik Non-Metrik

• Datametrikmerupakan data yang diperoleh dari hasil pengukuran suatu objek. Data yang termasuk didalamnnya adalah

data dalam skala interval atau rasio.

• Data non-metrikmerupakan data kualitatif yang diperoleh dari pengkategorian suatu objek, dan data yang termasuk didalamnnya.

TEKNIK DEPEDENSI ANALISIS MULTIVARIAT

• Suatu metode Analisis Multivariat dimana peubah atau kumpulan peubah yang diidentifikasi sebagai peubah dependen dapat diprediksi atau dijelaskan oleh peubah independen

• Analisis Multivariat adalah metode pengolahan peubah dalam jumlah yang banyak, dimana tujuannya adalah untuk mencari pengaruh peubah-peubah tersebut terhadap suatu obyek secara simultan

(3)

◦ Goodness of Fit

Jenis Analisis Multivariat

Jenis Data

Analisis Faktor

_{Metrik/Non-Metrik}

Analisis Kluster

Metrik/Non-Metrik

Analisis Koresponden

Metrik/Non-Metrik

Analisis Skala Multidimensional

Non-Metrik

TEKNIK INTERDEPEDENSI ANALISIS MULTIVARIAT

Analisis Multivariat yang melibatkan analisis secara simultan dari semua peubah dalam satu kumpulan, tanpa membedakan antara peubah dependen ataupun independen

(4)

◦ Goodness of Fit

• Regresi logistik adalah sebuah pendekatan untuk membuat model prediksi seperti halnya regresi linear atau yang biasa disebut dengan istilah Ordinary Least Squares (OLS) regression.

• Perbedaannya adalah pada regresi logistik, peneliti memprediksi peubah dependen yang berskala dikotomi. Skala dikotomi yang dimaksud adalah skala data nominal dengan dua kategori, misalnya: Ya dan Tidak, Baik dan Buruk atau Tinggi dan Rendah.

• Apabila pada OLS mewajibkan syarat atau asumsi bahwa error varians (residual) terdistribusi secara normal. Sebaliknya, pada regresi logistik tidak dibutuhkan asumsi tersebut sebab mengikuti distribusi logistik

Analisis Regresi Logistik

Identifikasi

(5)

◦ Pengertian Analisis Regresi Logistik

◦ Goodness of Fit ◦ Pengujian Hipotesis

Ln

=

𝑃 𝑆𝑊𝐼𝑇𝐶𝐻 1−𝑃 𝑆𝑊𝐼𝑇𝐶𝐻

=

α + β

1

X

1

+

β

2

X

2

+

β

3

X

3

+

ε

Keterangan :

Ln

=

𝑃 𝑆𝑊𝐼𝑇𝐶𝐻

1−𝑃 𝑆𝑊𝐼𝑇𝐶𝐻

= Dummy peubah auditor switching (katagori 1 untuk

perusahaan yang melakukan pergantian KAP dan 0

untuk perusahaan yang tidak melakukan pergantian

KAP)

α

= Konstanta

β

₁

,β

₂

,

β

₃

= Koefisien Regresi

X

₁

= Opini Audit

X

₂

= Pergantian Manajemen

X

₃

= Ukuran perusahaan

ε

= epsilon/tingkat kesalahan

(6)

◦ Goodness of Fit

N0 Variabel Indikator Skala Sumber Data

1 Opini Audit

(Yusriwarti (2019), Wanda Fauziyyah1 _{Jullie J. Sondakh}2 _I

Gede Suwetja3_(2019))

Variabel opini audit menggunakan variabel dummy. Maka jika perusahaan menerima wajar tanpa pengecualian maka diberi nilai 1. Sedangkan jika perusahaan opini menerima opini wajar dengan pengecualian maka diberi nilai 0.

Nominal Laporan Keuangan

2 Pergantian Manajemen

(Juli Is Manto1* _{Dewi Lesmana}

Manda2_{(2018) )}

Variabel pergantian manajemen menggunakan variabel dummy. Jika terdapat pergantian direktur utama dalam perusahaan maka akan diberikan nilai 1. Sedangkan jika tidak terdapat pergantian direktur utama dalam perusahaan, maka diberikan nilai 0

Nominal Laporan Keuangan

3 Ukuran Perusahaan

(Yusriwarti (2019)) Size = Ln (Total Asset) Rasio Laporan Keuangan

4 Auditor Switching

( Yusriwarti (2019), Apriyeni Salim, Sri Rahayu (2014))

Variabel tersebut untuk pengukuran auditor switching ini menggunakan variabel dummy, dimana bila sebuah perusahaan melakukan pergantian auditor yang berbeda diberi nilai 1 dan jika tidak diberi nilai 0.

(7)

◦ Identifikasi Data Outlier

◦ Goodness of Fit

• Berdasarkan output tersebut, tidak ada data yang outlier.

• Data outliers

adalah data yang menyimpang terlalu jauh dari data lainnya dalam

suatu kelompok. Data ini mengakibatkan model menjadi kurang baik sehingga

harus dikeluarkan dari model penelitian.

• Seandainya ada outlier, maka tampilan akan berubah dalam bentuk tabel

yang berisi daftar sampel yang menjadi outlier beserta nilai

Studentized

(8)

Block 0: Beginning Block

• Tabel Iteration History pada block 0 atau saat peubah independen tidak dimasukkan dalam model • n=42 mendapatkan Nilai -2 Log Likelihood: 34,450.

• Degree of Freedom (df) = N–1 = 42-1=41.

• Chi-Square (X2) Tabel Pada df 41 dan Probabilitas 0.05 = 56,942.

• Nilai -2 Log Likelihood (34,450) < X2 tabel (56,942), menunjukkan bahwa model sebelum memasukkan peubah independen adalah FIT dengan data.

◦ Goodness of Fit

• Perlu diingat jika pada

OLS

untuk menguji

signifikansi simultan menggunakan uji F,

sedangkan

pada

regresi

logistik

menggunakan nilai

Chi-Square

dari selisih

antara

-2 Log likelihood

sebelum variabel

independen masuk model dan

-2 Log

likelihood

setelah variabel independen masuk

model. Pengujian ini disebut juga dengan

(9)

Block 1: Method Enter

• Tabel Iteration history Block 1 atau saat peubah independen

dimasukkan dalam model:

• n=42.

• Degree of Freedom (DF) = n –

jumlah peubah independen –1 = 42-3-1= 38.

• Chi-Square (X2) Tabel Pada df 38 dan Prob 0.05 = 53,584.

• Nilai -2 Log Likelihood (34,450) < X2 tabel (53,584), menunjukkan bahwa model dengan memasukkan

peubah independen adalah FIT dengan data.

• Hal ini sama denganBlock Beginningdi atas, di mana saat sebelum variabel independen

dimasukkan ke dalam model, model FIT dengan data.

(10)

Block 1: Method Enter

• Nilai Chi Square 30,940 > Chi Square tabel pada df 3 (jumlah peubah independen

3) yaitu 7,815 atau dengan signifikansi sebesar 0,000 (< 0,05) menunjukkan bahwa

penambahan peubah independen dapat memberikan pengaruh nyata terhadap

model.

(11)

Block 1: Method Enter

• Nilai

Chi Square

tabel untuk df 1 (Jumlah variabel independen

–

1) pada taraf

signifikansi 0,05 adalah sebesar 3,842.

• Nilai

Chi Square Hosmer and Lemeshow

hitung 1,291 < Chi Square table 3,841

atau nilai signifikansi sebesar 0,996 (> 0,05) menunjukkan bahwa model dapat

diterima dan pengujian hipotesis dapat dilakukan sebab tidak ada perbedaan

signifikan antara model dengan nilai observasinya.

Hosmer and Lemeshow Test adalah uji Goodness of fit test (GoF), yaitu uji untuk menentukan apakah model yang dibentuk sudah tepat atau tidak. Dikatakan tepat apabila tidak ada perbedaan signifikan antara model dengan nilai observasinya.

(12)

Block 1: Method Enter

• Tabel

Model Summary

: Untuk melihat kemampuan peubah independen

dalam menjelaskan peubah dependen, digunakan nilai

Cox & Snell R

Square

dan

Nagelkerke R Square.

• Nilai-nilai tersebut disebut juga dengan

Pseudo R-Square

atau jika pada

regresi linear (OLS) lebih dikenal dengan istilah

R-Square

.

• Nilai

Nagelkerke R Square

sebesar 0,521 dan

Cox & Snell R

Square

0,931,

yang

menunjukkan

bahwa

kemampuan

peubah independen dalam menjelaskan peubah dependen adalah sebesar

52,1%, sisanya sebesar 47,9% dipengaruhi faktor lain di luar model.

(13)

Block 1: Method Enter

• Jumlah Perusahaan tidak melakukan pergantian KAP 35 + 1 = 36 Perusahaan. Dari 36 perusahaan, terdapat perusahaan yang memang tidak melakukan pergantian KAP dan yang seharusnya tidak melakukan penggantian KAP namun melakukan penggantian KAP sebanyak 1 perusahaan.

• Jumlah Perusahaan yang melakukan pergantian KAP 1 + 5 = 6 perusahaan. Dari 6 perusahaan, terdapat 1 perusahaan yang seharusnya melakukan pergantian KAP, namun tidak melakukan penggantian KAP dan yang seharusnya memang melakukan penggantian KAP sebanyak 5

(14)

Block 1: Method Enter

• Seluruh peubah independen memiliki nilai Wald (Sig) > 0,05, artinya masing-masing peubah mempunyai pengaruh parsial yang tidak signifikan terhadap Auditor Switching di dalam model. Mungkin yang berpengaruh signifikan adalah financial distress dan Komite Audit.

• Nilai EXP (B) atau disebut juga ODDS Ratio. Peubah opini audit dengan ODDS Ratio 0,00. Perusahaan yang menerima Opini Wajar tanpa pengecualian, karena memang tidak melakukan pergantian KAP. Nilai B = Logaritma Natural dari 0,000 =-10,189. Oleh karena nilai B bernilai negatif, maka Opini Audit berpengaruh negatif tidak signifikan terhadap Auditor Switching.

• Pergantian Manajemen memiliki ODDS Ratio 1,710. Perusahaan yang tidak melakukan pergantian direktur utama, memiliki kecenderungan tidak melakukan pergantian KAP. Oleh karena nilai B bernilai positif, maka Pergantian Manajemen berpengaruh positif tidak signifikan terhadap Auditor Switching.

• Ukuran Perusahaan memiliki ODD Ratio 0,093. Oleh karena nilai B bernilai negatif, maka Ukuran Perusahaan berpengaruh negatif tidak signifikan terhadap Auditor Switching.

◦ Goodness of Fit

◦ Pengujian Hipotesis

(15)

Block 1: Method Enter

• M

enunjukkan bahwa tidak ada nilai koefisien korelasi antar variabel yang

lebih besar dari 0,8, atau dengan kata lain tidak terdapat adanya gejala

multikolinieritas yang terjadi antar peubah independen.

◦ Goodness of Fit

(16)