48
Tabel 4.5 Statistik Frekuensi Variabel Ukuran Kantor Akuntan Publik
Sumber : Hasil Output SPSS
Dari tabel 4.5 dapat dideskripsikan bahwa variabel independen ukuran kantor akuntan publik merupakan variabel nominal yang
menggunakan variabel dummy dimana kantor auditor yang berafiliasi dengan KAP big-four diberi kode “1’ dan kantor auditor yang berafiliasi
dengan KAP non-big-fourdiberi kode “0”, serta memiliki data valid karena data seluruhnya telah di proses. Jumlah laporan keuangan
perusahaan diaudit KAP yang berafiliasi dengan big-four ada sebanyak 18 perusahaan 40, sedangkan yang tidak berafiliasi dengan big-four
ada sebanyak 27 perusahaan 60.
4.2.2 Pengujian Model
4.2.2.1 Hasil Uji Multikolinearitas
Tujuan uji multikolinearitas adalah Untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
Frequency Percent Valid Percent
Cumulative Percent
Valid Kantor Akuntan Publik Non Big
Four 27
60.0 60.0
60.0
Kantor Akuntan Publik Big Four
18 40.0
40.0 100.0
Total 45
100.0 100.0
49
independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.Gejala multikolonieritas
terjadi apabila nilai korelasi antar variabel independen lebih besar dari 0.90.
Hasil uji multikolinearitas disajikan pada tabel 4.6 berikut ini:
Tabel 4.6 Hasil Uji Multikolinearitas
Correlation Matrix
Constant ROA
KAP1 OPAU1
Step 1 Constant
1.000 .000
-1.000 .000
ROA .000
1.000 .000
-.098 KAP1
-1.000 .000
1.000 .000
OPAU1 .000
-.098 .000
1.000
Sumber : Hasil Output SPSS
Hasil pengujian dapat menunjukkan bahwa tidak terdapat gejalamultikolonieritas.Matriks korelasi di atas mengungkapkan
bahwa korelasi antar variabel independen yang paling besar - 0.098 yang lebih kecil dari 0.90. Berdasarkan hasil ini, dapat disimpulkan
bahwa variabelpersentase perubahan ROA, ukuran KAP, dan opini audit bebas dari gejala multikolonieritas.
4.2.2.2 Menguji kelayakan Model Regresi Goodness of Fit
Menilai kelayakan model regresi dilakukan dengan menilai nilai signifikan pada tabel Hosmer and Lemeshow Goodness of fit test.
Model dikatakan mampu memprediksi nilai observasi karena cocok
50
dengan data observasinya apabila nilai Hosmer and Lemeshow Goodness of fit test 0,05.
Tabel 4.7 Hasil Uji
Hosmer and Lemeshow Goodness of fit
Sumber : Hasil Output SPSS
Dari tampilan tabel hosmer and lamenshow di atas pada tabel 4.7 ditunjukan bahwa besarnya nilai statistik hosmer and
lamenshow Goodness of Fit sebesar 2,347 dengan probabilitas signifikansi 0,938 dimana 0,938 0.05. Hal ini berarti model
regresi yang dipergunakan dalam penelitian ini layak dipakai untuk
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 2.347
7 .938
Contingency Table for Hosmer and Lemeshow Test
AUSW = Perusahaan Tidak Melakukan Pergantian Kantor
Akuntan Publik AUSW = Perusahaan Melakukan
Pergantian Kantor Akuntan Publik Total
Observed Expected
Observed Expected
Step 1 1
5 5.000
.000 5
2 5
5.000 .000
5 3
5 5.000
.000 5
4 5
4.909 .091
5 5
5 4.690
.310 5
6 4
4.642 1
.358 5
7 4
4.299 1
.701 5
8 4
4.194 1
.806 5
9 4
3.266 1
1.734 5
51
analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dan klasifikasi yang diamati.
4.2.2.3 Menguji Model Keseluruhan Model Overall Fit Model