E. Metode Analisis Data
Data yang dikumpulkan diolah kemudian dianalisis dengan alat statistik deskriptif metode analisis statistik dengan menggunakan software statistik yaitu
SPSS 17.
1. Pengujian Data
a. Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis, maka perlu dilakukan uji asumsi klasik. Dikarenakan uji yang digunakan adalah regresi logistik,
dimana uji ini mengabaikan uji normalitas dan heterokedasitas, maka uji asumsi klasik yang digunakan adalah uji multikolinearitas dan
autokorelasi. 1
Uji Multikolinearitas Tujuan melakukan uji multikolinearitas adalah untuk menguji
apakah pada model regresi terdapat korelasi antarvariabel independen. Model regresi yang baik seharusnya tidak terdapat problem
multiolinearitas atau tidak terdapat korelasi antarvariabel independennya. Untuk melihat ada tidaknya multikolinearitas di dalam
model regresi Ghozali : 2006 adalah sebagai berikut: a
nilai tolerance dan lawannya b
variance inflation factor VIF Kedua ukuran ini menunjukkan setiap variabel independen
manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih
yang tidak dijelaskan oleh variabel independen lainnya. Jadi tolerance yang rendah sama dengan nilai VIF yang tinggi karena
VIF = 1 tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance
0,10 atau sama dengan nilai VIF 10.
2 Uji autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi
korelasi maka diindikasikan terdapat problem autokorelasi. Model regresi yang baik seharusnya bebas dari masalah autokorelasi. Dalam
penelitian ini digunakan run test untuk menguji ada tidaknya gejalah autokorelasi, bila hasil output SPSS menunjukkan probabilitas
signifikansi di bawah 0,05 disimpulkan terdapat gejalah autokorelasi pada model regresi tersebut.
b. Menguji Keseluruhan Model Fit
Statistik yang digunakan adalah berdasarkan pada fungsi Likehood. Likehood L dari model adalah probabilitas bahwa model yang
dihipotesiskan menggambarkan data input. Menurut Ghozali 2006 hipotesis untuk menilai model fit adalah :
H : Model yang dihipotesiskan fit dengan data
Ha : Model yang dihipotesiskan tidak fit dengan data Dari hipotesis ini supaya model fit dengan data maka H
harus diterima atau Ha harus ditolak. Untuk menguji hipotesis nol dan hipotesis
alternatif, L ditransformasikan menjadi -2LogL. Dengan degree of freedom n – q, dimana q adalah parameter dalam model, output SPSS
akan memberikan dua nilai -2LogL, yaitu satu untuk model yang hanya memasukkan konstanta dan yang kedua untuk model dengan
konstanta dan variabel bebas. Dengan alpha 5, cara menilai model fit ini adalah sebagai berikut:
1
Jika nilai -2LogL 0,05 maka H ditolak dan Ha diterima, yang
berarti bahwa model fit dengan data.
2 Jika nilai -2LogL 0,05 maka H0 diterima dan Ha ditolak, yang
berarti bahwa model tidak fit dengan data. Adanya pengurangan nilai antara - 2LogL awal initial - 2LL
function dengan nilai - 2LogL pada langkah berikutnya menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006. Log
Likelihood pada regresi logistik mirip dengan pengertian Sum of Square Error pada model regresi, sehingga penurunan Log Likelihood
menunjukkan model regresi yang semakin baik.
c. Menguji Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hipotesis untuk menilai kelayakan
model regresi adalah : H
: Tidak ada perbedaan antara model dengan data Ha : Ada perbedaan antara model dengan data
Jika nilai statistik Hosmer and Lemeshow Goodness of fit lebih besar dari pada 0,05 maka hipotesis nol tidak dapat ditolak dan berarti model mampu
memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena sesuai dengan data observasinya Ghozali, 2006.
2. Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan uji F dan uji statistik regresi logistik logistic regression. Pertama, uji F digunakan untuk
mengetahui apakah semua variabel independen yang diamati secara simultan atau bersama-sama mempunyai pengaruh atau hubungan yang signifikan
terhadap variabel dependen Ghozali : 2005. Pengujian dilakukan melalui uji F atau Anova pada tingkat keyakinan 95 dan tingkat kesalahan analisis 5
dengan keputusan berdasarkan probabilitas sebagai berikut : Jika P value 0,05 maka Ha ditolak
Jika P value 0,05 maka Ha diterima Kedua, regresi logistik adalah bentuk khusus analisis regresi dengan
variabel dependen berskala nominal dan variabel independennya merupakan kombinasi antara metrik dan nominal. Regresi logistik ini digunakan untuk
menguji apakah probabilitas terjadinya variabel dependen dapat diprediksi dengan variabel independennya. Teknik analisis ini tidak memerlukan lagi uji
normalitas pada variabel independennya Ghozali, 2006. Gujarati 2003 menyatakan bahwa regresi logistik mengabaikan heteroskedasitas, artinya
variabel dependen tidak memerlukan homoskedasitas untuk masing-masing variabel independennya.
Pengujian hipotesis dapat dilihat melalui koefisien regresi. Koefisien regresi dari tiap variabel yang diuji menunjukkan bentuk hubungan
antarvariabel. Pengujian hipotesis dilakukan dengan cara membandingkan antara nilai probabilitas sig dengan tingkat signifikansi. Jika nilai asymtotik
signifikan 0,05 berarti variabel bebas berpengaruh secara signifikan terhadap terajdinya variabel terikat. Begitu pula sebalikya, bila asymtotik
signifikan 0,05 berarti variabel bebas tidak berpengaruh secara signifikan terhadap terjadinya variabel terikat.
Model regresi variabel yang digunakan untuk menguji hipotesis sebagai berikut:
GC = a + b
1
SALES + b
2
INS + b
3
DEF +b
4
ALAG + e
Keterangan:
GC = Opini going concern variabel dummy, 1 jika opini going
concern, 0 jika opini non going concern
SALES = Rasio pertumbuhan penjualan
INS = Kepemilikan institusional
DEF = Debt default variabel dummy, 1 jika perusahaan dalam
keadaan default, dan 0 jika tidak ALAG
= Audit Report Lag b
1
, b
2
, b
3
, b
4
= Koefisien regresi e
= Error
F. Jadwal Penelitian