heteroscedasity, artinya variabel terikat tidak memerlukan homoscedacity untuk masing-masing variabel bebasnya. Tujuan dari uji normalitas dan heteroscedasity
adalah agar model analisis regresi yang digunakan dalam penelitian menghasilkan nilai parametric yang shahih. Regresi logistik digunakan untuk menguji analisis
pengaruh beban pajak, tunneling incentive dan mekanisme bonus terhadap transfer pricing
. Pengujian ini dilakukan pada tingkat signifikansi α 5. Sebelum pengujian hipotesis dilakukan, langkah pertama yang harus dilakukan
adalah menilai kelayakan model regresi dan menilai model fit pengganti dari uji asumsi klasik.
3.5.3 Pengujian Hipotesis Penelitian
3.5.3.1 Menilai Keseluruhan Model
Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Hipotesis untuk menilai model fit adalah:
H0 : Model yang dihipotesiskan fit dengan data H1 : Model yang dihipotesiskan tidak fit dengan data
Dari hipotesis ini, agar model fit dengan data maka H0 harus diterima. Statistik yang digunakan berdasarkan Likelihood. Likelihood L dari model adalah
probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Adanya pengurangan nilai antara -2LogL, awal initial
– 2LogL, function dengan nilai -2LogL pada langkah berikutnya menunjukkan bahwa model yang
dihipotesiskan Fit dengan data Ghozali, 2011. Log likelihood pada regresi
logistik mirip dengan pengertian “Sum of Square Error” pada model regresi,
sehingga penurunan Log Likelihood menunjukkan model regresi semakin baik.
3.5.3.2 Menilai Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow Goodness of Fit Test. Hipotesis untuk menilai kelayakan model regresi
adalah: H0 : Tidak ada perbedaan antara model dengan data
H1 : Ada perbedaan antara model dengan data Jika nilai statistik Hosmer and Lemeshow Goodness of Fit kurang dari
0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikansi antara model dengan nilai observasinya sehingga Goodness of Fit model tidak baik
karena model tidak dapat memprediksi nilai observasinya. Jika nilai Hosmer and Lemeshow Goodness of Fit lebih besar daripada 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,
2011.
3.5.3.3 Koefisien Determinasi
Nagelkerke R Square merupakan pengujian yang dilakukan untuk mengetahui seberapa besar variabel independen mampu menjelaskan dan
mempengaruhi variabel dependen. Nilai Nagelkerke R Square bervariasi antara 1satu dan 0 nol. Semakin mendekati nilai 1 maka model dianggap semakin
goodness of fit semenatara semakin mendekati 0 maka model semakin tidak goodness of fit Ghozali, 2011.
3.5.3.4 Uji Multikolonieritas
