b,c b Hasil Pengujian Hipotesis

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