Kualitas Audit
Probabilitas auditor untuk dapat
menemukan dan melaporkan
penyelewengan yang terjadi dalam
sistem akuntansi auditee
. 1, Jika
diaudit oleh KAP big- four
and partner
0, Jika diaudit oleh KAP non
big-four Nominal
Opini Audit
Tahun Sebelumnya
Opini audit yang diterima oleh
auditee setahun sebelum tahun
penelitian. 1, jika opini
audit going concern
dan 0, jika opini
audit non going concern
Nominal
Sumber : Hasil olahan peneliti
3.5 Metode Analisis Data 3.5.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran dari fenomena atau karakteristik dari data. Karakteristik data yang digambarkan adalah
karakteristik distribusinya. Analisis statistik deskriptif meliputi jumlah, sampel, nilai minimum, nilai maksimum, nilai rata-rata mean, dan standar deviasi.
3.5.2 Pengujian Data
Pengujian data dalam penelitian ini menggunakan uji asumsi klasik sedangkan pengujian model dan pengujian hipotesis menggunakan regresi
logistik. Regresi logistik adalah regresi yang digunakan untuk menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel
bebasnya. Pada regresi logistik tidak menggunakan uji normalitas dan
Universitas Sumatera Utara
heteroskedastisitas karena variabel bebasnya tidak harus memiliki distribusi normal dan memiliki varian yang sama Mudrajat, 2001:217.
1. Uji Multikolinearitas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Jika
terjadi korelasi, maka dikatakan terdapat masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antarvariabel
independen. Pengujian terhadap ada tidaknya multikolinearitas dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor VIF
dengan membandingkan sebagai berikut: a.
Bila VIF 5 terdapat masalah multikolinearitas b.
Bila VIF 5 tidak terdapat masalah multikolinearitas c.
Tolerance 0,1 maka diduga mempunyai persoalan multikolinearitas
d. Tolerance 0,1 maka tidak terdapat multikolinearitas.
2. Uji Autokorelasi
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ada korelasi antara kesalahan pengganggu pada periode t dan
kesalahan pengganggu pada periode t-1 periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk
mendeteteksi ada tidaknya gejala autokorelasi, maka uji autokorelasi yang digunakan dalam penelitian ini adalah Runs Test. Bila hasil output
Universitas Sumatera Utara
SPSS menunjukkan probabilitas signifikansi dibawah 0,05 maka disimpulkan terdapat gejala autokorelasi pada model regresi tersebut.
3.5.3 Pengujian Model 1.
Menilai Model Fit
Langkah pertama adalah menilai overall fit model terhadap data. Hipotesis untuk menilai model fit adalah:
H0 : Model yang dihipotesiskan fit dengan data
Ha : Model yang dihipotesiskan tidak fit dengan data
Agar model fit dengan data maka H0 diterima dan Ha ditolak. Statistik yang digunakan berdasarkan pada fungsi likelihood. Likehood L dari
model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan alternatif, L
ditransformasikan menjadi -2LogL. Dengan alpha α 5, cara menilai
model fit ini adalah sebagai berikut : a.
Jika nilai -2LogL 0,05 maka H0 ditolak dan Ha diterima, yang berarti bahwa model tidak fit dengan data.
b. Jika nilai -2LogL 0,05 maka H0 diterima dan Ha ditolak, yang
berarti bahwa model 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. Log Likelihood pada regresi logistik
mirip dengan pengertian “Sum of Square Error” pada model regresi,
Universitas Sumatera Utara
sehingga penurunan Log Likelihood menunjukkan model regresi yang semakin baik Ghozali, 2006:232.
2. Menilai Kelayakan Model Regresi
Kelayakan model regresi dapat diuji dengan Hosmer and Lemeshow’s Goodness of Fit Test
. Model ini bertujuan untuk menguji hipotesis bahwa data empiris cocok atau sesuai dengan model tidak ada
perbedaan antaramodel dengan data sehingga model dapat dikatakan fit. Hipotesis untuk menilai kelayakan model regresi adalah:
H0 : Tidak ada perbedaan model dengan data
Ha : Ada perbedaan model dengan data
Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05, maka H0 ditolak yang berarti ada perbedaan
signifikan antara model dengan nilai observasinya sehingga Goodness Fit model tidak baik karena model tidak dapat memprediksi nilai
observasinya. Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 0,05 maka H0 tidak dapat ditolak dan berarti model
mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya Ghozali, 2006:233
3.5.4 Pengujian Hipotesis
