1. Uji Statistik Deskriptif
Uji statistik deskriptif digunakan untuk memberikan gambaran profil data sampel. Penelitian ini menggunakan statistik deskriptif yang terdiri dari minimum, maksimum, mean dan deviasi standar. Hasil uji statistik deskriptif dapat dilihat pada tabel di bawah ini:
Tabel 4.1 : Hasil Uji Statistik Deskriptif
Variabel N Minimum Maximum Mean Std.
Deviation Kualitas Audit 219 0.00 1.00 0,3699 0.48387
Debt Default 219 0.00 1.00 0,0594 0.23684 Opinion
Shopping 219 0.00 1.00 0,0183 0,13421 Opini Audit
Going concern
219 0.00 1.00 0,0731 0,26083
Sumber :Hasil Olah Data SPSS 25 (Diolah,2021)
a. Berdasarkan tabel deskriptif diatas dapat diketahui bahwa jumlah sampel sebanyak 219 (73 perusahaan dikalikan 3 tahun).
Menunjukkan hasil nilai minimum pada variabel kualitas audit sebesar 0, nilai maksimum sebesar 1, nilai mean sebesar 0,3699, dan standar deviasi (penyebaran data) sebesar 0.48387. Nilai standar deviasi lebih besar dibanding nilai mean menunjukkan data yang bervariasi atau tidak adanya kesenjangan yang cukup besar dari nilai terendah dan tertinggi.
b. Berdasarkan tabel deskriptif diatas dapat diketahui bahwa jumlah sampel sebanyak 219 (73 perusahaan dikalikan 3 tahun).
Menunjukkan hasil nilai minimum pada variabel Debt Default sebesar 0, nilai maksimum sebesar 1, nilai mean sebesar 0.0594, dan standar
35
deviasi (penyebaran data) sebesar 0.23684. Nilai standar deviasi lebih besar dibanding nilai mean menunjukkan data yang bervariasi atau tidak adanya kesenjangan yang cukup besar dari nilai terendah dan tertinggi.
c. Berdasarkan tabel deskriptif diatas dapat diketahui bahwa jumlah sampel sebanyak 219 (73 perusahaan dikalikan 3 tahun).
Menunjukkan hasil nilai minimum pada variabel Opinion Shopping sebesar 0, nilai maksimum sebesar 1, nilai mean sebesar 0,0183, dan standar deviasi (penyebaran data) sebesar 0,13421. Nilai standar deviasi lebih besar dibanding nilai mean menunjukkan data yang bervariasi atau tidak adanya kesenjangan yang cukup besar dari nilai terendah dan tertinggi.
d. Berdasarkan tabel deskriptif diatas dapat diketahui bahwa jumlah sampel sebanyak 219 (73 perusahaan dikalikan 3 tahun).
Menunjukkan hasil nilai minimum pada variabel opini audit going concern sebesar 0, nilai maksimum sebesar 1, nilai mean sebesar 0.0731, dan standar deviasi (penyebaran data) sebesar 0.26083. Nilai standar deviasi lebih besar dibanding nilai mean menunjukkan data yang bervariasi atau tidak adanya kesenjangan yang cukup besar dari nilai terendah dan tertinggi.
2. Uji Regresi Logistik
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 ialah, pada regresi logistik peneliti memprediksi variabel terikat (Y) yang
berskala dikotomi.Skala dikotomi yang dimaksud adalah skala data nominal dengan dua kategori. Pada penelitian ini menggunakan regresi logistik karena semua menggunakan variabel dummy yang menggunakan skala 0 (nol) dan 1 (satu). Tahapan dalam pengujian dengan menggunakan regresi logistik adalah sebagai berikut :
a. Uji Kelayakan Model Regresi
Model ini untuk menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test (Mustika, 2017).
Dalam penelitian ini digunakan uji chi-square dari Hosmer and Lemeshow test.Hipotesisnya adalah :
a. H0 = Model telah cukup menjelaskan data (Goodness of fit) b. H1 = Model tidak cukup menjelaskan data
Kriteria uji :
a. Jika nilai p-value signifikansi ( '> 0.05) maka terima H0.
b. Jika nilai p-value signifikansi ( '< 0.05) maka terima H1
Model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test, Dapat dilihat pada tabel di bawah ini (Hasil olah data terlampir) :
Tabel 4.2 : Uji Kelayakan Model Regresi
Step Chi-square df Sig.
1 0,000 2 1,000
Sumber :Hasil Olah Data SPSS 25 (Diolah,2021)
37
Hasil uji kelayakan model regresi yang dihasilkan memiliki nilai p- signifikansi sebesar 1,000 ( '> 0.05) maka terima H0. Jadi kesimpulanya bahwa model telah cukup menjelaskan data (goodness of fit).
b. Overall Model Fit Test
Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Uji ini dilakukan dengan membandingkan antara -2Log Likelihood (-2LL) pada awal (Block Number = 0) dengan - 2Log Likelihood (-2LL) pada akhir (Block Number = 1). Jika nilai -2LL Block Number = 0 lebih besar dari nilai -2LL Block Number = 1. Maka penurunan (-2LogL) menunjukkan bahwa model regresi yang lebih baik (Ghozali, 2018:333).
Nilai -2Log Likelihood awal pada Block Number = 0, dan Nilai - 2Log Likelihood akhir pada Block Number = 1, dapat dilihat pada tabel di bawah ini. (Hasil olah data terlampir) :
Tabel 4.3 : Hasil Uji Overall Model Fit Test
Iteration -2 Log likelihood Keterangan
Step 0 127,615 Block Number = 0
Step 1 31,235 Block Number = 1
Sumber :Hasil Olah Data SPSS 25 (Diolah,2021)
Dari tabel diatas dapat dilihat bahwa -2LL awal adalah sebesar 127,615dan setelah dimasukkan variabel independen, maka nilai -2LL akhir mengalami penurunan menjadi sebesar 31,235. Penurunan nilai - 2LL ini menunjukkan model regresi yang baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
c. Koefisien Determinasi
Nagelkerke R Square merupakan pengujian yang dilakukan untuk mengetahui seberapa besar variabel independen mampu menjelaskan dan mempengaruhi variabel dependen.Hasil uji koefisien determinasi Dapat dilihat pada tabel di bawah ini (Hasil olah data terlampir) :
Tabel 4.4 : Hasil Uji Koefisien Determinasi Step -2 Log likelihood Cox & Snell R
Square
Nagelkerke R Square
1 31.235a 0.316 0.777
Sumber :Hasil Olah Data SPSS 25 (Diolah,2021)
Dari tabel di atas dapat dilihat bahwa nilai koefisien determinasi regresi logistik sebesar 0,777. Hal ini dapat menunjukkan bahwa kontribusi nilai variable independen terhadap variabel dependen adalah sebesar 0,777 Hal ini berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen adalah sebesar 77,7%
dan sisanya oleh variabel yang lain
d. Analisis Regresi Logistik
Analisis regresi logistik di gunakan untuk menguji apakah variabel- variabel kualitas audit, Debt Default dan opinion shopping berpengaruh terhadap opini audit going concern. Model regresi yang di kembangkan dalam penelitian ini dengan bantuan program SPSS 25 dapat dilihat pada tabel di bawah ini (Hasil olah data terlampir) :
39
Tabel 4.5 : Hasil Uji Analisis Regresi Logistik
Variabel B
Step 1a
Kualitas Audit 0,238 Debt Default -37,969 Opinion Shopping 14,810
Constant 18,803
Sumber :Hasil Olah Data SPSS 25 (Diolah,2021)
Berdasarkan tabel diatas yang merupakan hasil analisis dari regresi logistik dapat dirumuskan persamaan regresi logistik sebagai berikut:
GC = 18,803 + 0,238 KA – 37,969 DD + 14,810 OS
Berdasarkan persamaan regresi logistik diatas, dapat dianalisis pengaruh variabel independen terhadap variabel dependen, antara lain:
1) Nilai konstanta sebesar 18,803 arti tanda positif adalah apabila semua variabel independen yaitu kualitas audit, Debt Default dan opinion shopping bernilai nol atau konstan maka opini audit going concern mengalami penigkatan sebesar 18,803.
2) Koefisien regresi kualitas audit adalah 0,238 menunjukan variabel kualitas audit memiliki pengaruh positif terhadap variabel opini audit going concern. Apabila kualitas audit mengalami peningkatan 1 satuan maka opini audit going concern akan meningkat sebesar 0,238 dengan asumsi variabel independen yang lain tetap.
3) Koefisien regresi Debt Default adalah -37,969menunjukan variabel Debt Default memiliki pengaruh negatif terhadap variabel opini audit going concern. Apabila debt default mengalami peningkatan 1 satuan
maka opini audit going concern akan menurun sebesar -37,969 dengan asumsi variabel independen yang lain tetap.
4) Koefisien regresi opinion shopping adalah 14,810 menunjukan variabel opinion shopping memiliki pengaruh positif terhadap variabel opini audit going concern. Apabila opinion shopping mengalami peningkatan 1 satuan maka opini audit going concern akan meningkat sebesar 14,810 dengan asumsi variabel independen yang lain tetap.
e. Uji Signifikansi
Uji signifikansi dalam peneltian ini digunakan untuk melihat pengaruh signifikan antara variabel dependen terhadap variabel independen. Hasil uji signifikansi dapat dilihat pada tabel di bawah ini (Hasil olah data terlampir) :
Tabel 4.6 : Hasil Uji Signifikansi
Variabel Sig Keterangan
Kualitas Audit 0.847 Tidak Signifikan
Debt Default 0,041 Signifikan
Opinion Shopping 0.999 Tidak Signifikan Sumber :Hasil Olah Data SPSS 25 (Diolah,2021)
Berdasarkan tabel Hasil Uji Signifikansidi atas dapat di jelaskan sebagai berikut :
1) Kualitas Audit
Berdasarkan tabel diatas diperoleh nilai probabilitas (sig)untuk variabel kualitas auditsebesar 0,847 yang nilainya di atas 0,05. Hal ini berarti bahwa variabel kualitas audit (X1) tidak dapat menjelaskan secara signifikan variabel opini audit going concern (Y), atau tidak
41
terdapat pengaruh signifikan antara variabel kualitas audit (X1) dengan opini audit going concern (Y).
2) Debt Default
Berdasarkan tabel diatas diperoleh nilai probabilitas (sig)untuk variabel debt default sebesar 0,041 yang nilainya di bawah 0,05. Hal ini berarti bahwa variabel debt default(X2) dapat menjelaskan secara signifikan variabel opini audit going concern (Y), atau terdapat pengaruh signifikan antara variabel debt default (X2) dengan opini audit going concern (Y).
3) Opinion Shopping
Berdasarkan tabel diatas diperoleh nilai probabilitas (sig) untuk variabel opinion shoping sebesar 0,999 yang nilainya di atas 0,05.Hal ini berarti bahwa variabel Opinion Shopping (X3) tidak dapat menjelaskan secara signifikan variabel opini audit going concern (Y), atau tidak terdapat pengaruh signifikan antara variabel Opinion Shopping (X3) dengan opini audit going concern (Y).