lxiv karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi
dengan klasifikasi yang diamati.
Tabel 4.7 Contingency Table for Hosmer and Lemeshow Test
Opini Audit Going Concern = Non Going Concern Audit
Opinion Opini Audit Going Concern =
Going Concern Audit Opinion Total
Observed Expected
Observed Expected
Step 1 1 2
3 4
5 6
7 8
9 10
3 2
3 3
3 2
2 2
2 3
2.869 2.561
2.485 2.457
2.419 2.399
2.305 2.528
1.988 3.258
1 1
1 1
1 3
.131 .439
.515 .543
.581 .601
.695 .742
.1012 .2742
3 3
3 3
3 3
3 3
3 6
Sumber : Hasil Pengolahan SPSS Dari tabel kontijensi untuk uji hosmer and lemeshow, dapat dilihat bahwa
dari sepuluh langkah pengamatan untuk penerimaan opini audit going concern yang baik 1 maupun yang tidak baik 0, nilai yang diamatimaupun nilai
yang diprediksi, tidak mempunyai perbedaan yang terlaluekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian
ini mampu memprediksi nilai observasinya.
4.3. Hasil Pengujian Hipotesis
Regresi logistik ingin menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya Ghozali, 2005. Pada
penelitian ini, regresi logistik dilakukan terhadap 33 perusahaan sampel yang
lxv terdiri dari 8 perusahaan yang menerima opini audit unqualified dengan going
concern atau going concern audit report CAGRditandai dengan angka 1 dan 25 perusahaan yang menerima opini audit unqualified dengan non going
concern atau non going concern audit reportNCAGR ditandai dengan angka 0. Pemberian tanda tersebut dinamakan dengan variabel dummy.
Tabel 4.8 Ikhtisar Pengolahan Data
Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis Missing Cases
Total Unselected Cases
Total 33
33 33
100.0 .0
100.0 .0
100.0
a. If weight is in effect, see classification table for the total number of cases. Sumber : Hasil Pengolahan SPSS
Berdasarkan tabel 4.8 di atas dapat diambil analisis sebagai berikut : a.
Jumlah sampel pengamatan sebanyak 33 sampel, dan seluruh sampel telah diperhitungkan ke dalam pengujian hipotesis.
b. Tidak ada variabel dependen yang dikeluarkan dengan nilai
dummyvariabel. Variabel dependen bernilai 1 untuk unqualified dengan going concern atau going concern audit report CAGR dan bernilai
0untuk opini audit unqualified dengan non going concern atau nongoing concern audit report NCAGR.
lxvi c.
Metode yang digunakan untuk memasukkan data adalah metode enter dimana apabila menggunakan metode ini seluruh variabel bebas
independen disertakan dalam pengolahan analisis data untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
4.3.1. Uji Signifikansi Pengaruh Parsial Uji Wald
Dalam regresi linear, baik sederhana maupun berganda, uji t digunakan untuk menguji signifikansi dari pengaruh parsial.Pada regresi logistik, uji
signifikansi pengaruh parsial dapat diuji dengan uji Wald.Dalam uji Wald, statistik yang diuji adalah statistik wald Wald Statistic.Dalam uji hipotesis
dengan regresi logistik cukup denganmelihat Variables in the Equation, pada kolom Significant dibandingkan dengan tingkat kealphaan 0,05 5. Apabila
tingkat signifikansi 0,05, maka Hipotesis diterima.
Tabel 4.9 Hasil Uji t Parsial
Variables in the Equation
95 C.I.for EXPB B
S.E. Wald
Df Sig.
ExpB Lower
Upper Step 1
a
X1 -.304
.999 .093
1 .761
.738 .104
5.227
lxvii
95 C.I.for EXPB B
S.E. Wald
Df Sig.
ExpB Lower
Upper
X2 1.146
.870 1.735
1 .188
3.146 .572
17.309 X3
-.962 1.163
.684 1
.408 .382
.039 3.736
Constant -1.058
.781 1.838
1 .175
.347
a. Variables entered on step 1: X1, X2, X3. Sumber : Hasil Pengolahan SPSS
Persamaan regresi dapat dilihat dari kolom B pada tabel 4.9. Tanda matematika dalam persamaan yang akan dibentuk mengikuti angka dalam kolom
B. Persamaan regresi logistik yang terbentuk dapat dinyatakan sebagai berikut : Y
= α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ ε Y
= - 1.058 – 0.304 X
1
+ 1.146X
2
- 0.962X
3
+ ε
Keterangan:
Y = Opini audit going concern variabel dummy
α = Konstanta X
1
= kualitas audit X
2
= opini audit tahun sebelumnya X
3
= Pertumbuhan perusahaan β1, β2, β3, β4, β5
= Koefisien Regresi = Error residual
lxviii Konstanta sebesar -1.058 menyatakan bahwa jika tidak diperhitungkan
kualitas audit, opini audit tahun sebelumnya dan pertumbuhan perusahaan, maka kemungkinan penerimaan opini goingconcern adalah sebesar -1.058.
Model di atas dapat diinterpretasikan sebagai berikut: a.
Variabel X1 kualitas audit menunjukkan nilai koefisien sebesar– 0.304 dengan tingkat signifikansi 0,761 lebih besar dari 0.05 5
artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif dan tidak signifikan terhadap penerimaan opini going
concern. b.
Variabel X2 opini audit tahun sebelumnya menunjukkan nilai koefisien sebesar 1.146 dengan tingkat signifikansi 0,188 lebih besar
dari 0,05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien positif dan tidak signifikan terhadap penerimaan
opini going concern. c.
Variabel X3 pertumbuhan perusahaan menunjukkan nilai koefisien sebesar -0.962 dengan tingkat signifikansi 0,408 lebih kecil dari 0,05
5 artinya dapat disimpilkan bahwa variabel ini berpengaruh negatif dan tidak signifikan terhadap penerimaan opini going concern.
4.3.2. Uji Omnibus Uji G
Uji Omnibus menunjukkan bahwa model logistik secara keseluruhan dapat menjelaskan atau memprediksi variabel independen terhadap variabel dependen.
lxix Uji hipotesisnya dengan tingkat kealpaan 0,05 maka kesimpulan yang dapat
diambil adalah : 1.
Jika p-value dalam hal ini adalah sig -2 tailed 0,05 maka Ho diterima dan Ha ditolak, berarti variabel independen secara bersama-sama tidak
berpengaruh terhadap variabel dependen. 2.
Jika p-value dalam hal ini adalah sig -2 tailed 0,05 maka Ho ditolak dan Ha diterima. Berarti variabel independen secara bersama-sama
berpengaruh terhadap variabel dependen.
Tabel 4.10 Uji Omnibus simultan
Omnibus Tests of Model Coefficients
Chi-square Df
Sig. Step 1Step
Block Model
2.879 2.879
2.879 3
3 3
.411 .411
.411
Sumber : Hasil Pengolahan SPSS Berdasarkan tabel 4.10 dapat dilihat bahwa tingkat signifikan sebesar
0,411 0,05 maka variabel kualitas audit, opini audit tahun sebelumnya dan pertumbuhan perusahaan secara bersama-sama tidak berpengaruh
terhadappenerimaan opini audit going concern.
4.3.3. Koefisien Determinasi
Ukuran ini mirip dengan R Square dalam regresi linear atau regresilinear berganda, yang menunjukan seberapa besar semua variabel independen secara
bersama-sama dalam mempengaruhi variabilitas variabel dependen. Ukuran yang
lxx digunakan adalah Nagelkerke’s R Square Ghozali,2005. Penghitungan
menggunakan SPSS, jika semakin tinggi hasil presentase yang dihasilkan maka semakin bagus model tersebut dalam memprediksi keputusan investasi.
Tabel 4.11 Koefisien Determinasi
Model Summary
Cox Snell R Nagelkerke R
Step -2 Log likelihood Square
Square 1
33.675
a
.084 .125
a
.Estimation terminated at iteration number 6 because parameter estimateschanged by less than ,001
Sumber : Hasil Pengolahan SPSS Berdasarkan tabel 4.11 di atas, maka dapat dilihat bahwa hasil analisis
regresi logistik secara keseluruhan menunjukkan nilai Cox SnellR Square sebesar 0,084. Cox Snell R Square merupakan ukuran yangmencoba meniru
ukuran R Square pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari satu, sehingga sulit untuk
diinterpretasikan. Nagelerke
‟s R Square merupakan modifikasi dari koefisien Cox and Snell. Untuk memastikan bahwa nilainya bervariasi dari 0 sampai 1 hal inidilakukan
dengan cara membagi nilai Cox and Snell ‟s R Square dengan nilai
maksimumnya. Nilai Nagelerke ‟sR Square dapat diinterpretasikan seperti nilai
lxxi RSquare pada multiple regression. Dilihat dari hasil output pengolahan data nilai
Nagelerke ‟sR Square adalah sebesar 0,125 yang berarti variabilitas variabel
