Tabel 4.10. Matrik Klasifikasi
Observed Predicted
Tidak Berganti
Upgrade Downgrade Samegrade
Percent Correct Model 1
76 100,00
1 9
0,00 2
8 0,00
3 23
0,00
Overall Percentage
100,00 0,00
0,00 0,00
65,50 Model 2
73 1
2 96,10
1 9
0,00 2
7 1
0,00 3
22 1
4,30
Overall Percentage
95,70 0,90
0,00 3,40
63,80 Sumber: Data sekunder yang diolah tahun 2016 pada lampiran 18
f. Estimasi Parameter dan Interpretasinya
Pengujian pengaruh variabel independen terhadap probabilitas variabel dependen dilakukan dengan Wald Test. Koefisien regresi dari tiap variabel yang
diuji menunjukkan bentuk hubungan antar variabel. Pengujian hipotesis dilakukan dengan yaitu cara membandingkan nilai probabilitas Sig. dengan tingkat
signifikansi α 0,10. Apabila angka signifikan lebih kecil dari α 0,10 maka Ho ditolak dan Ha diterima, yang berarti bahwa variabel bebas berpengaruh secara
signifikan terhadap terjadinya variabel terikat. Jika angka signifikan lebih besar dari α 0,10, maka Ho diterima dan Ha ditolak yang berarti bahwa variabel bebas
tidak berpengaruh secara signifikan terhadap terjadinya variabel terikat. Dalam
output regresi logistik multinominal model 1, estimasi parameter dan interpretasinya dapat dilihat di dalam Tabel 4.11 yang memakai Wald Test dan
dapat juga dilihat model regresi logistik multinominal yang terbentuk.
Tabel 4.11. Parameter Estimates Model 1
PKAP
a
B Std.
Error Wald
Df Sig.
ExpB 90 Confidence
Interval for ExpB Lower
Bound Upper
Bound
Up Intercept
-,048 ,870
,003 1
,956 [OAGC = 0]
-1,533 ,824
3,463 1
,063 ,216
,056 ,837
[OAGC = 1]
b
. .
. .
. .
[PMAN = 0] -1,259
,752 2,801
1 ,094
,284 ,082
,979 [PMAN = 1]
b
. .
. .
. .
Dw Intercept
-1,823 1,271
2,056 1
,152 [OAGC = 0]
-1,021 ,900
1,287 1
,257 ,360
,082 1,583
[OAGC = 1]
b
. .
. .
. .
[PMAN = 0] ,499
1,112 ,201
1 ,654
1,646 ,264
10,248 [PMAN = 1]
b
. .
. .
. .
Sm Intercept
-1,094 ,910
1,444 1
,229 [OAGC = 0]
,192 ,831
,053 1
,818 1,211
,309 4,748
[OAGC = 1]
b
. .
. .
. .
[PMAN = 0] -,356
,556 ,410
1 ,522
,700 ,281
1,748 [PMAN = 1]
b
. .
. .
. .
Sumber: Data sekunder yang diolah tahun 2016 pada lampiran 19
Berdasarkan Tabel 4.11 di atas, diperoleh 3 persamaan pada model 1 regresi logistik multinomial sebagai berikut:
Persamaan 1:
Ln = -0,048 + -1,533 OAGC + -1,259
PMAN
Persamaan 2:
Ln = -1,823 + -1,021 OAGC + 0,499 PMAN
Persamaan 3:
Ln = -1,094 + 0,192 OAGC + -0,356 PMAN
Dari persamaan 1, 2, dan 3 tersebut, dapat diperoleh penjelasan uji hipotesis sebagai berikut:
1. Opini Audit Going Concern OAGC
a. Berganti KAP Upgrade