43
tidak memerlukan homescedacity untuk masing-masing variabel independennya. Model regresi logistik yang digunakan untuk menguji
hipotesis penelitian adalah sebagai berikut :
OGC = α + β1 GROWTH + β2 AUCT + β3 AUCH + β4 BANKRUPT + ԑ
α = konstanta
OGC = Variabel dummy, opini audit kategori 1 untuk
auditee dengan opini audit going concern GCAO dan 0 untuk auditee dengan opini audit
non going concern NGCAO GROWTH
= Rasio Pertumbuhan Perusahaan AUCT
= Audit Client Tenure AUCH
= Pergantian Auditor BANKRUPT
=Prediksi kebangkrutan
menggunakan revised
Altman ԑ
= Kesalahan Residual
3.9.2.1 Menguji Kelayakan Model Regresi Goodness of Fit
Test
Kebanyakan model regresi dinilai dengan menggunakan
Hosmer and Lemeshow’s Goodness of Fit Test. Model ini untuk menguji hipotesis nol bahwa
Universitas Sumatera Utara
44
data empiris sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat
dikatakan fit. Hipotesis yang digunakan untuk menilai model fit adalah sebagai berikut :
H0 : Model yang dihipotesiskan fit dengan data HA : Model yang dihipotesiskan tidak fit dengan data
Jika nilai statistik Hosmer dan Lemeshow’s sama dengan atau kurang dari 0,05 nmaka hipotesis nol
ditolak yang berarti terdapat perbedaan signifikan antara model dengan nilai observasinya sehingga
goodnessfit model tidak baik, karena model yang telah dirumuskan
tidak dapat
memprediksi nilai
observasinya. Jika nilai Hosmer dan Lemershow’s lebih besar dari 0,05 maka hipotesis nol diterima yang
berarti model mampu memprediksi nilai observasinya.
3.9.2.2 Menguji Model Keseluruhan Model Overall Fit
Model
Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data.
Universitas Sumatera Utara
45
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. Untuk menguji hipotesis nol dan alternative, L ditransformasikan menjadi -2
LogL.O utput SPSS memberikan dua nilai -2Log L, yaitu satu untuk model yang hanya memasukkan
konstanta saja dan satu model dengan konstanta serta tambahan bebas.
Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL pada langkah berikutnya
menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006. Log Likelihood pada
regresi logistic mirip dengan pengertian “Sum of Square
Error” pada model regresi, sehingga penurunan modal Log Likelihood menunjukkan model regresi yang
semakin baik.
Universitas Sumatera Utara
46
3.9.2.3 Estimasi Parameter dan Interpretasinya