64
Selisih antara nilai -2LogL awal dengan nilai -2LogL akhir adalah sebesar 23,411. Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL akhir
menunjukkan bahwa model yang dihipotesiskan fit dengan data.
4.2.4. Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistic dilakukan dengan menggunakan Goodness of Fit Test yang diukur dengan nilai Chi Square pada bagian bawah uji
Hosmer and Lameshow.
Tabel 4.14
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 9.755
7 .203
Sumber : Hasil Pengolahan SPSS Tabel 4.14 menunjukkan hasil pengujian Hosmer and Lameshow. Hasil
pengujian statistik menunjukkan probabilitas signifikan sebesar 0,203, nilai signifikansi yang diperoleh lebih besar dari α 0,05. hal ini berarti model regresi
layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati, atau
dapat dikatakan model mampu memprediksi nilai observasinya.
Universitas Sumatera Utara
65
Tabel 4.15
Contingency Table for Hosmer and Lemeshow Test
OGC = 0 OGC = 1
Total Observed
Expected Observed
Expected Step 1
1 5
4.999 .001
5 2
5 4.974
.026 5
3 6
5.801 .199
6 4
5 4.622
.378 5
5 3
4.018 2
.982 5
6 5
3.775 1.225
5 7
2 3.044
3 1.956
5 8
1 1.614
4 3.386
5 9
1 .152
3 3.848
4
Sumber : Hasil Pengolahan SPSS Berdasarkan tabel kontinjensi untuk uji Hosmer and Lameshow dapat dilihat
dari sembilan langkah pengamatan untuk pemberian opini audit going concern 1 maupun opini audit non going concern 0. Nilai yang diamati maupun diprediksi,
tidak mempunyai perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan mampu memprediksi nilai observasinya.
4.2.5. Pengujian Koefisien Determinasi
Koefisien determinasi digunakan utnuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas variabel dependen.
Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat diinterpretasikan seperti nilai R Square
pada regresi berganda Ghozali,2006. Nilai ini didapat dengan cara membagi nilai Cox Snell R Square dengan nilai maksimumnya.
Universitas Sumatera Utara
66
Tabel 4.16
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 28.781
a
.406 .591
a. Estimation terminated at iteration number 9 because parameter estimates changed by less than ,001.
Sumber : Hasil Pengolahan SPSS
4.2.6. Pengujian Hipotesis