d. Koefisien Determinasi
Koefisien determinasi digunakan untuk 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.
Tabel 4.25 Model Summary
Step -2 Log likelihood Cox Snell R
Square Nagelkerke R
Square 1
80.474 .315
.420 Sumber : Hasil pengolahan data dengan SPSS 13.0
Tabel 4.25 menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data nilai Nagelkerke R Square adalah sebesar 0,420 yang
berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 42, sisanya sebesar 58 dijelaskan oleh
variabilitas variabel - variabel lain di luar model penelitian. Atau secara bersama-sama variasi variabel kondisi keuangan Z SCORE, pertumbuhan
perusahaan SALES, dan opini audit tahun sebelumnya OPINI dapat menjelaskan variasi variabel opini going concern sebesar 42.
e. Matrik Klasifikasi
Matrik klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit going concern
pada auditee.
Tabel 4.26 Classification Table
Observed Predicted
GCAO Percentage
Correct NGC
GC Step 1
GCAO NGC
36 6
85.7 GC
11 27
71.1 Overall Percentage
78.8 a The cut value is .500
Sumber : Hasil pengolahan data dengan SPSS 13.0
Dari Tabel 4.26 dapat dibaca bahwa menurut prediksi, auditee yang menerima opini going concern adalah 38, sedangkan observasi sesungguhnya
menunjukkan bahwa auditee yang menerima opini going concern adalah 27. Jadi ketepatan model ini adalah 27 38 atau 71.1. Dan menurut prediksi, auditee
yang menerima opini non going concern adalah 42, sedangkan observasi sesungguhnya menunjukkan bahwa auditee yang menerima opini non going
concern adalah 36. Jadi ketepatan model ini adalah 3642 atau 85.7. Ketepatan
prediksi keseluruhan model ini adalah 78.8.
f. Pengujian Hipotesis