sisanya sebesar 85,3 dijelaskan oleh variabel-variabel lain di luar model penelitian.
4. Uji Kelayakan Model Regresi
Goodness of Fit Test
Kelayakan model regresi ditentukan berdasarkan nilai dari Hosmer Lemeshow’s
goodness of fit test
. Pengujian
goodness of fit test
ini diukur dengan nilai
Chi-square
pada bagian bawah uji
Hosmer and Lemeshow
. Berikut ini merupakan hasil identifikasi prediksi klasifikasi dalam tabel berikut:
Tabel 4.7 Uji Kelayakan Model Regresi
Chi-square Sig.
10,228 0,249
Sumber: Data sekunder yang diolah, 2016 Hasil pengujian pada tabel di atas menunjukkan nilai
chi square
sebesar 10,228 dengan nilai signifikan sebesar 0,249. Dari hasil tersebut terlihat bahwa nilai signifikan α = 0,05 signifikan di atas 0,05 yang
berarti keputusan yang diambil adalah tidak dapat ditolak, tidak ada perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yang
diamati. Hal ini menunjukkan bahwa model mampu memprediksi nilai observasinya atau model dapat diterima karena cocok dengan data
observasinya sehingga model ini sesuai
model fit
dan dapat digunakan untuk analisis selanjutnya.
5. Uji Multikolinieritas
Pengujian multikolinieritas dilakukan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel
independen. Deteksi adanya multikolinieritas dapat dilakukan dengan melihat tingkat
variance inflationfactor
VIF dan nilai
tolerance.
Nilai
tolerance
yang dipakai adalah 0,10 atau sama dengan VIF 10. Jika nilai
tolerance
lebih besar dari 0,1 dan VIF lebih kecil dari 10 maka variabel bebas tersebut tidak multikolinieritas antar variabel bebas model
regresi.
Tabel 4.8 Hasil Uji Multikolinieritas
Variabel
Tolerance
VIF
Pergantian Manajemen 0,995
1,005 Leverage
0,992 1,008
Ukuran KAP 0,989
1,011 Sumber: Data sekunder yang diolah, 2016
Berdasarkan tabel IV.8 dapat dilihat bahwa hasil pengujian menunjukkan bahwa semua variabel memiliki nilai
tolerance value
di atas 0,10 dan nilai VIF di bawah 10, dengan demikian dapat
disimpulkan tidak terjadi penyimpangan multikolinearitas.
6. Ketepatan Prediksi Matriks Klasifikasi Model
Prediksi untuk melihat ketepatan prediksi klasifikasi yang
diamati dari model regresi untuk memprediksi kemungkinan pergantian KAP pada perusahaan manufaktur yang ditunjukkan dengan tabel
klasifikasi
classification table
berupa
predicted values
dari variabel dependen dari baris merupakan data aktual yang diamati. Dalam
output
regresi logistik, angka ini dapat dilihat seperti yang ditunjukkan pada tabel berikut:
Kategori