38
Tabel 4.1 Tabel
Likehood Block 0
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
63.465 .745
2 63.449
.783 3
63.449 .783
a. Constant is included in the model. b. Initial -2 Log Likelihood: 63,449
c. Estimation terminated at iteration number 3 because parameter estimates changed by less than
,001.
Sumber: Hasil pengolahan SPSS 17
Tabel 4.2 Tabel
Likehood Block 1
Sumber: Hasil pengolahan SPSS 17 Langkah selanjutnya adalah menguji keseluruhan model overall model fit.
Iteration History
a,b,c,d
Iteration -2 Log likelihood
Coefficients Constant
ADTR PRIOP
LEV CR
ROA OCF
Step 1 1
22.023 -1.670
.086 3.565
-.091 -.005
.005 -.017
2 16.659
-2.247 .223
5.086 -.221
-.015 .014
-.048 3
15.586 -2.430
.382 5.955
-.350 -.037
.027 -.096
4 15.434
-2.464 .449
6.403 -.405
-.061 .038
-.137 5
15.428 -2.469
.451 6.525
-.415 -.073
.042 -.149
6 15.428
-2.468 .451
6.531 -.416
-.074 .042
-.149 7
15.428 -2.468
.451 6.531
-.416 -.074
.042 -.149
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 63,449 d. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
39
Pengujian dilakukan dengan membandingkan nilai -2LogL -2LL pada awal Block 0 dengan nilai -2LogL pada akhir Block 1. Adanya pengurangan nilai
antara -2LL awal initial -2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit
dengan data Ghozali, 2006. Output SPSS pada tabel 4.2 menunjukkan selisih kedua -2LogL sebesar
48,021 63,449-15,428 atau terjadi penurunan nilai -2LogL sebesar 48,021. Penurunan nilai -2LogL ini dapat diartikan bahwa penambahan variabel bebas ke
dalam model dapat memperbaiki model fit serta menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
4.1.2 Menilai Kelayakan Model Regresi
Analisis selanjutnya yang dilakukan adalah menilai kelayakan model regresi logistik yang akan digunakan. Pengujian kelayakan model regresi dilakukan
dengan menggunakan Hosmer and Lamershow’s Goodness of Fit Test yang diukur dengan nilai Chi-Square, probabilitas signifikan yang diperoleh kemudian
dibandingkan dengan tingkat signifikan α 5. Hipotesis untuk menilai kelayakan model regresi :
H0 : Tidak ada perbedaan antara model dengan data H1 : Ada perbedaan model dengan data
Tabel 4.3 Tabel Hosmer and Lameshow Test
Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 3.663
8 .886
Sumber: Hasil pengolahan SPSS 17
40
Tabel diatas menunjukkan hasil pengujian Hosmer and Lameshow. Dengan probabilitas signifikan yang menunjukkan angka 0,886, nilai signifikan
yang diperoleh ini jauh lebih besar dari pada 0,05 α 5. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada
perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati, atau dapat dikatakan bahwa model mampu mengamati nilai observasinya.
4.1.3 Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas varabilitas variabel
dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat diintepretasikan seperti
nilai R Square pada regresi berganda Ghozali, 2006. Nilai ini didapat dengan
cara membagi nilai Cox Snell R Square dengan nilai maksimumnya. Tabel 4.4
Tabel Nagelkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 15.428
a
.610 .857
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
Sumber: Hasil pengolahan SPSS 17 Tabel diatas menunjukkan nilai Nagelkerke R Square, dilihat dari hasil output
pengolahan data nilai Nagelkerke R Square adalah sebesar 0,857 yang berarti variabilitas variabel dependen dapat dijelaskan oleh variabel independen adalah
41
sebesar 85,7 sisanya sebesar 14,3 100-85,7 dijelaskan variabilitas variabel-variabel lain diluar model penelitian.
4.1.4 Matrik Klasifikasi
Matrik klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan diterimanya opini audit going concern oleh
auditee.
Tabel 4.5 Tabel
Classification Table Prediksi
Classification Table
a,b
Observed Predicted
GCAO Percentage
Correct 1
Step 0 GCAO
16 .0
1 35
100.0 Overall Percentage
68.6 a. Constant is included in the model.
Classification Table
a
Observed Predicted
GCAO Percentage
Correct 1
Step 1 GCAO
15 1
93.8 1
1 34
97.1 Overall Percentage
96.1 a. The cut value is ,500
Sumber: Hasil Pengolahan SPSS 17 Dari tabel diatas dapat dibaca bahwa menurut prediksi auditee yang menerima
opini going concern adalah 35, sedangkan observasi sesungguhnya menunjukkan bahwa auditee yang menerima opini going concern adalah 34. Jadi ketepatan
42
model ini adalah 3435 atau 97,14. Dan menurut prediksi, auditee yang menerima opini non going concern adalah 16, sedangkan observasi sesungguhnya
menunjukkan bahwa auditee yang menerima opini non going concern adalah 15. Jadi, ketepatan model ini adalah 1516 atau 93,75. Ketepatan prediksi
keseluruhan model ini adalah 95,44
.
4.2 Hasil Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini untuk menguji pengaruh variabel- variabel bebas yaitu kualitas auditor, opini audit tahun sebelumnya PRIOP,
leverage, likuiditas, profitabilitas dan operating cash inflow ratio dengan menggunakan hasil uji regresi yang ditunjukkan dalam variabel in the equation.
Dalam uji hipotesis dengan regresi logistic cukup dengan melihat variabel in the equation, pada kolom significant dibandingkan dengan tingkat kealphaan 0,05
5. Apabila tingkat signifikansi 0,05 maka hipotesis diterima.
Tabel 4.6 Tabel
Variables in the Equation
Variables in the Equation
B S.E.
Wald Df
Sig. ExpB
95 C.I.for EXPB Lower
Upper Step 1
a
ADTR .451
1.508 .089
1 .765
1.570 .082
30.141 PRIOP
6.531 2.028
10.369 1
.001 686.401
12.885 36565.722
LEV -.416
.806 .266
1 .606
.660 .136
3.203 CR
-.074 .560
.017 1
.895 .929
.310 2.781
ROA .042
.185 .052
1 .819
1.043 .726
1.498 OCF
-.149 .240
.389 1
.533 .861
.539 1.377
Constant -2.468
1.598 2.387
1 .122
.085 a. Variables entered on step 1: ADTR, PRIOP, LEV, CR, ROA, OCF.
43
Tabel diatas menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikansi 5. Dari pengujian dengan regresi logistik di atas maka
diperoleh persamaan regresi logistik sebagai berikut: GCAO = -2,468 + 0,451ADTR + 6,531PRIOP + -0,416LEV + -0,074CR +
0,042ROA + -0,149OCF + e
Tabel 4.7 Tabel Hasil Hipotesis
No Hipotesis
Beta Sig
Kesimpulan
1 H1
0,451 0,765 Tidak Didukung
2 H2
6,531 0,001 Didukung
3 H3
-0,416 0,606 Tidak Didukung
4 H4
-0,074 0,895 Tidak Didukung
5 H5
0,042 0,819 Tidak Didukung
6 H6
-0,149 0,533 Tidak Didukung
Sumber: Hasil olahan penulis
H1
:Kualitas audit berpengaruh terhadap penerimaan opini audit going concern.
Berdasarkan tabel 4.7, kualitas audit mempunyai tingkat signifikansi 0,765 dan lebih besar dari tingkat signifikansi 0,05 atau 5 dan koefisien bertanda
positif 0,451 sehingga H1 tidak dapat diterima. Dengan demikian, kualitas audit tidak berpengaruh secara signifikan terhadap penerimaan opini audit going
concern.
H2 : Opini audit tahun sebelumnya berpengaruh terhadap penerimaan opini
audit going concern. Berdasarkan tabel 4.7, opini audit tahun sebelumnya mempunyai tingkat
signifikansi 0,001 dan lebih kecil dari tingkat signifikansi 0,05 atau 5 dan
44
koefisien bertanda positif 6,531 sehingga H2 diterima. Dengan demikian, opini audit tahun sebelumnya berpengaruh secara signifikan terhadap penerimaan opini
audit going concern.
H3 :Leverage berpengaruh terhadap penerimaan opini audit going concern.
Berdasarkan tabel 4.7, leverage mempunyai tingkat signifikansi 0,606 dan lebih besar dari tingkat signifikansi 0,05 atau 5 dan koefisien bertanda negatif -
0,416 sehingga H3 tidak dapat diterima. Dengan demikian, leverage tidak berpengaruh secara signifikan terhadap penerimaan opini audit going concern.
H4 :Likuiditas berpengaruh terhadap penerimaan opini audit going
concern. Berdasarkan tabel 4.7, likuiditas mempunyai tingkat signifikansi 0,895
dan lebih besar dari tingkat signifikansi 0,05 atau 5 dan koefisien bertanda negatif -0,074 sehingga H4 tidak dapat diterima. Dengan demikian, likuiditas
tidak berpengaruh secara signifikan terhadap penerimaan opini audit going concern.
H5 : Profitabilitas berpengaruh terhadap penerimaan opini audit going
concern. Berdasarkan tabel 4.7, profitabilitas mempunyai tingkat signifikansi 0,819
dan lebih besar dari tingkat signifikansi 0,05 atau 5 dan koefisien bertanda positif 0,042 sehingga H5 tidak dapat diterima. Dengan demikian, profitabilitas
tidak berpengaruh secara signifikan terhadap penerimaan opini audit going concern.
45
H6 : Operating cash inflow ratio berpengaruh terhadap penerimaan opini
audit going concern. Berdasarkan tabel 4.7, operating cash inflow ratio mempunyai tingkat
signifikansi 0,533 dan lebih besar dari tingkat signifikansi 0,05 atau 5 dan koefisien bertanda negatif -0,149 sehingga H6 tidak dapat diterima. Dengan
demikian, operating cash inflow ratio tidak berpengaruh secara signifikan terhadap penerimaan opini audit going concern.
4.3. Pembahasan 4.3.1 Hubungan Kualitas Audit terhadap Penerimaan Opini Audit