maksimum sebesar 209,00 dengan rata-rata sebesar 50,2000 dan standar deviasi sebesar 30,02203.
e. Hasil analisis dengan menggunakan statistik deskriptif terhadap ukuran perusahaan SIZE menunjukkan nilai minimum sebesar 28, nilai maksimum
sebesar 34 dengan rata-rata sebesar 30,8 dan standar deviasi sebesar 1,67525. f.
Hasil analisis dengan menggunakan statistik deskriptif terhadap independensi komite audit COM menunjukkan nilai minimum sebesar 0,13, nilai
maksimum sebesar 0,50 dengan rata-rata sebesar 0,2844 dan standar deviasi sebesar 0,6505.
4.2.2. Hasil Pengujian Hipotesis Penelitian
Variabel dependen dalam penelitian ini bersifat dikotomi diaudit oleh KAP big 4 dan diaudit oleh KAP non big 4, maka pengujian
hipotesis penelitian ini dilakukan dengan menggunakan uji regresi logistik. Tahapan dalam pengujian dengan menggunakan uji regresi logistik dapat
dijelaskan sebagai berikut Ghozali 2006 :
4.2.2.1. Menilai Keseluruhan Model Overall Model Fit
Pengujian dilakukan dengan membandingkan nilai antara -2 Log Likelihood -2LL pada awal Block Number = 0 dengan nilai
-2 Log Likelihood -2LL pada akhir Block Number = 1. Nilai - 2LL awal adalah sebesar 170,968. Setelah dimasukkan kelima
variabel independen, maka nilai -2LL mengalami penurunan menjadi sebesar 148,206. Penurunan likelihood -2LL ini
menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
Tabel 4.4 Menilai Keseluruhan Model
Iteration History
a,b,c,d
Iteration -2 Log likelihood
Coefficients
Universitas Sumatera Utara
Constant TEN
ROT ACS
SIZE COM
Step 1 148.206
-14.997 -.044
-.177 .005
.490 .296
1 2 147.659
-17.626 -.058
-.211 .006
.576 .387
3 147.657
-17.812 -.059
-.213 .006
.582 .395
4 147.657
-17.813 -.059
-.213 .006
.582 .395
Initial -2 Log Likelihoo d : 170,968
Sumber : output SPSS 16
4.2.2.2. Koefisien Determinasi
Nagelkerke R Square Tabel 4.5
Koefisien Determinasi
Model Summary
Step -2 Log likelihood
Cox Snell R Square Nagelkerke R
Square 1
147.657
a
.170 .228
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
Sumber : output SPSS 16
Universitas Sumatera Utara
Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Nagelkerke R Square. Hasil
pengujian di tabel 4.5 menunjukkan nilai Nagelkerke R Square sebesar 0,228 yang berarti variabel dependen yang dapat dijelaskan
oleh variabel
– variabel independen adalah sebesar 22,8 sedangkan sisanya sebesar 77,2 dijelaskan oleh variabel
– variabel lain di luar model penelitian.
4.2.2.3. Menguji Kelayakan Model Regresi
Tabel 4.6 Menguji Kelayakan Model Regresi
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 5.874
8 .661
Sumber : output SPSS 16
Kelayakan model regresi dinilai dngan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hasil pengujian
menunjukkan nilai Chi-square sebesar 5,874 dengan signifikansi sebesar 0,661. Hasil pengujian pada tabel 4.6 menunjukkan nilai
signifikansi lebih besar dari 0,05, maka model penelitian ini dapat disimpulkan mampu memprediksi nilai observasinya.
4.2.2.4. Uji Multikolinieritas
Model regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat di antara variabel bebasnya.
Pengujian ini menggunakan matriks korelasi antar variabel bebas untuk melihat besarnya korelasi antar variabel independen.
Universitas Sumatera Utara
Tabel 4.7 Uji Multikolinieritas
Correlation Matrix
Constant TEN
ROT ACS SIZE COM Step
1 Constant
1.000 .106
-.124 -.148
-.977 -.637
TEN .106
1.000 .469
-.164 -.208
-.006 ROT
-.124 .469
1.000 .013
.056 .063
ACS -.148
-.164 .013
1.000 .113
.000 SIZE
-.977 -.208
.056 .113
1.000 .489
COM -.637
-.006 .063
.000 .489
1.000
Sumber : output SPSS 16 Hasil pengujian ditampilkan dalam tabel 4.7. Menurut
Ghozali 2006, jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0,90, maka hal ini merupakan
indikasi adanya multikolinieritas. Hasil pengujian menunjukkan tidak ada nilai koefisien korelasi antar variabel independen yang
nilainya lebih besar dari 0,90, maka dapat disimpulkan tidak terdapat indikasi multikolinieritas antar variabel independen.
4.2.2.5. Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kualitas audit yang dihasilkan
perusahaan perbankan. Matriks klasifikasi disajikan pada tabel 4.8 berikut :
Tabel 4.8 Matriks klasifikasi
Classification Table
a
Universitas Sumatera Utara
Observed Predicted
AQ Percentage
Correct 1
Step 1 AQ
38 16
70.4 1
17 54
76.1 Overall Percentage
73.6
a. The cut value is ,500
Sumber : output SPSS 16
Berdasarkan hasil pengujian, kekuatan prediksi dari model regresi untuk memprediksi probabilitas kualitas audit yang
dihasilkan dari perusahaan yang diaudit oleh KAP big 4 adalah 76,1. Hasil ini menunjukkan bahwa dengan model regresi yang
digunakan, terdapat sebanyak 54 perusahaan 76,1 yang diprediksi akan menghasilkan audit yang berkualitas yang
dihasilkan KAP big 4 dari total 71 perusahaan. Kekuatan prediksi dari model regresi untuk memprediksi kualitas audit perusahaan
yang dihasilkan oleh KAP non big 4 adalah sebesar 70,4 yang berarti bahwa dengan model regresi yang digunakan ada sebanyak
38 perusahaan yang tidak menghasilkan audit yang berkualitas dari total 54 perusahaan yang diaudit oleh KAP non big 4 dan 16
prediksi tidak tepat. Maka dapat disimpulkan bahwa kekuatan prediksi dari model regresi sebesar 73,6.
4.2.2.6. Model Regresi Logistik Yang Terbentuk
Model regresi logistik yang terbentuk disajikan pada tabel 4.9 sebagai berikut:
Tabel 4.9 Hasil Uji Koefisien Regresi Logistik
Universitas Sumatera Utara
Variables in the Equation
B S.E.
Wald df
Sig. Keterangan
Step 1
a
TEN -.059
.197 .091
1 .763 Tidak signifikan
ROT -.213
.535 .159
1 .690 Tidak signifikan
ACS .006
.007 .818
1 .366 Tidak signifikan
SIZE .582
.160 13.282
1 .000 Signifikan
COM .395
3.829 .011
1 .918 Tidak signifikan
Constant -17.813
5.505 10.471
1 .001
a. Variables entered on step 1: TEN, ROT, ACS, SIZE, COM.
Sumber : output SPSS 16 Hasi pengujian terhadap koefisien regresi menghasilkan
model berikut ini:
AQ = -17,813 - 0,059TEN – 0,213ROT + 0,006ACS +0,582SIZE +
0,395COM
4.3. Pembahasan Hasil Pengujian Hipotesis
Berdasarkan pengujian regresi logistik yang telah diajabarkan dalam bagian sebelumnya, interpretasi hasil disajikan dalam lima bagian. Bagian
pertama membahas pengaruh audit tenure TEN terhadap kualitas audit AQ H1. Bagian kedua membahas pengaruh audit switching ROT terhadap kualitas
audit AQ H2. Bagian ketiga membahas pengaruh audit capacity stress ACS terhadap kualitas audit AQ H3. Bagian keempat membahas pengaruh ukuran
perusahaan SIZE terhadap kualitas audit AQ H4. Bagian kelima membahas pengaruh independensi komite audit COM terhadap kualitas audit AQ H5.
4.3.1. Pengaruh Audit Tenure TEN terhadap Kualitas Audit AQ