65
dapat dipredeksidengan variabel bebasnya Ghozali, 2006:71. Regresi logistik mirip dengan analisis deskriminan yaitu kita ingin menguji apakah
probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Regresi logistik digunakan untuk menguji pengaruh kondisi
keuangan perusahaan ZSCORE, pertumbuhan perusahaan SALES terhadap penerimaan opini audit going concern GCAO. Pengujian
dilakukan pada tingkat signifikasi α 5 persen. Teknik analisis ini tidak
memerlukan lagi uji normalitas, heteroscedasity, dan uji asumsi klasik pada variabel bebasnya.
4.2.1.1 Pengujian Model Fit dan Keseluruhan Model Overall Model Fit
Analisis pertama yang dilakukan adalah nilai menilai overall fit model terhadap data. Pengujian ini dilakukan untuk mengetahui apakah
model fit dengan data baik sebelum maupun sesudah variabel bebas dimasukkan kedalam model. Hipotesis untuk menilai model fit adalah:
H = Model yang dihipotesiskan fit dengan data
H
a
= Model yang dihipotesiskan tidak fit dengan data
Tabel 4.8
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
55.352 .100
2 55.352
.100 Initial -2 Log Likelihood: 55.352
Sumber : Hasil pengolahan data Dengan SPSS 16.0
66
Hasil output pengolahan SPSS pada tabel 4.21 menunjukan nilai -2 Log Likelihood pertama sebesar 55.352, angka ini secara matematik
signifikan pada alpha α 5 dan hipotesis nol ditolak. Hal ini berarti
bahwa konstanta saja yang tidak fit dengan data sebelum variabel bebas dimasukan ke dalam model regresi.
Tabel 4.9
Iteration History
1
Iteration -2 Log likelihood
Coefficients Constant
ZSCORE SALES
Step 1 1
26.280 2.527
-2.109 -.028
2 20.757
3.987 -3.456
-.054 3
19.114 5.129
-4.552 -.084
4 18.782
5.836 -5.243
-.109 5
18.757 6.086
-5.487 -.119
6 18.757
6.110 -5.511
-.120 7
18.757 6.110
-5.511 -.120
-2LL awal Block Number = 0 55.352 -2LL akhir Block Number = 1
18.757 Sumber : Hasil Pengolahan Data Dengan SPSS 16.0
Setelah variabel bebas yaiu Z Score, ZSCORE, rasio pertumbuhan penjualan SALES dimasukan ke dalam model, -2 Log
Likelihood menunjukan angka 18.757, atau terjadi penurunan nilai -2 Log Likelihood sebesar 36.595. penurunan nilai -2 Log Likehood ini dapat
diartikan bahwa penambahan variabel bebas ke dalam model dapat memperbaiki model fit serta menunjukan model regresi yang lebih baik
atau dengan kata lain model yang dihipotesiskan fit dengan data.
67
4.2.1.2 Pengujian Kelayakan Model Regresi
Analisis selanjutnya yang dilakukan adalah menilai kelayakan model regresi logistik yang akan digunakan. Pengujian dilakukan dengan
menggunakan Goodness of fit test yang diukur dengan nilai Chi-Square pada bagian bawah uji Hosmer and Lemeshow. Probabilitas signifikansi
yang diperoleh kemudian dibandingkan dengan tingkat signifikasi α 5.
Hipotesis untuk menilai kelayakan model regresi adalah: H
= Tidak ada perbedaan antara model dengan data
Tabel 4.10
Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 9.359
8 .313
Sumber : Hasil pengolahan data Dengan SPSS 16.0 Hasil pengujian Hosmer and Lemeshow ditunjukan pada tabel 4.23.
dengan probabilitas signifikasi menunjukan angka 0,313 niali signifakasi yang diperoleh ini jauh lebih besar dari pada 0.05
α 5, maka H tidak
dapat ditolak atau diterima. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, atau dapat dikatakan bahwa model
mampu memprediksi nilai observasinya.
4.2.1.3 Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar varianilitas variabel – variabel independen mampu memperjelas variabel
68
dependen. Koefisien determinasi pada Regresi Logistik dapat dilihat pada Nilai Nagelkerke R Square . Nilai tersebut dapat diinterpretasikan seperti R
Square pada regresi bergandaGhozali,2006. Nilai ini didapat dengan cara
membagi nilai Cox Sneel R Square dengan nilai maksimumnya
Tabel 4.11
Sumber : Hasil Pengolahan Dengan SPSS 16.0 Dilihat dari hasil output pengolahan data nilai Nagelkerke R
Square adalah sebesar 800 yang berarti variablitas variabel dependen yang
dapat dijelaskan oleh variabel independen sebesar 80 sisanya 20, yang berarti bahwa variabel bebas dapat menjelaskan variasi variabel going
concern sebesar 80.
4.2.1.4 Matrik Klasifikasi
Matrik klasifikasi akan menunjukan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit going
concern pada auditee
Tabel 4.12
Classification Table
a
Observed Predicted
OPINI Percentage
Correct 1
Step 1 OPINI
17 2
89.5
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square 1
18.757
a
.599 .800
69
1 2
19 90.5
Overall Percentage 90.0
a. The cut value is .500
Sumber : Hasil Pengolahan data dengan SPSS 16.0 Dari tabel 4.25 dapat dibaca bahwa menurut prediksi, auditee yang
menerima opini going concern adalah 21, sedangkan observasi sesungguhnya menunjukan bahwa auditee yang menerima opini going
concern adalah 19. Jadi ketepatan model ini adalah 1921 atau 90.5. dan
menurut prediksi, auditee yang menerima opini non going concern adalah 19, sedangkan observasi sesungguhnya menunujukan bahwa auditee yang
menerima opini non going concern adalah 17. Jadi ketepatan model ini aalah 1719 atau 89.5. ketepatan prediksi keseluruhan model ini
adalah 90.0.
4.2.1.5 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini untuk menguji pengaruh variabel – variabel bebas yaitu kondisi keuangan perusahaan Z SCORE,
pertumbuhan perusahaan SALES, terhadap opini audit going concern dengan menggunakan hasil uji regresi yang ditunjukan dalam variabel in
the equation. Dalam uji hipotesis dengan regresi logistik cukup dengan melihat
variables in the equation , pada kolom significant dibandingkan dengan
tingkat kealphaan 0.05 5. Apabila tingkat signifikansi 0.05, maka Ha Diterima.
Tabel 4.13
70
Variables in the Equation
Tabel 4.26 menunjukan hasil pengujian dengan regresi logistik pada tingkat signifikan 5 persen. Dari pengujian dengan regresi logistik
diatas maka diperoleh persamaan regresi logistik sebagai berikut:
OPINI = 6.110 – 5.511 ZSCORE – 0.120 SALES + € H
1
= Kondisi keuangan perusahaan berpengaruh negatif terhadap kemungkinan penerimaan opini audit
going concern
Kondisi keuangan perusahaan yang diproksikan dengan Z Score, pada Tabel 4.26 menunjukan koefisien negatif sebesar 5.511 dengan
tingkat signifikansi 0.004 0.05 yang berarti Ha
1
dapat diterima. Dengan demikian terbukti bahwa kondisi keuangan perusahaan berpengaruh
negative terhadap opini going concern.
H
2
= Pertumbuhan perusahaan berpengaruh negatif terhadap kemungkinan penerimaan opini audit
going concern
Pertumbuhan perusahaan yang diproksikan dengan rasio pertumbuhan penjualan, pada tabel 4.27 menunjukan koefisien negatif
sebesar 0.120 dengan tingkat signifikasi 0.05 yang berarti Ha
2
ditolak atau pertumbuhan perusahaan tidak berpengaruh terhadap opini audit
going concern
B S.E.
Wald Df
Sig. ExpB
EXPB Lower
Upper Step 1
a
ZSCORE -5.511
1.916 8.269
1 .004
.004 .000
.173 SALES
-.120 .085
1.998 1
.158 .887
.751 1.048
Constant 6.110
2.062 8.779
1 .003
450.512 Variables entered on step 1: ZSCORE,SALES
Sumber: Hasil pengolahan data dengan SPSS 16.0
71
4.3. Pembahasan
