Uji Asumsi Klasik ANALISIS HASIL PENELITIAN

B. Uji Asumsi Klasik

1. Menguji Model Fit Overall Model Fit Test Uji asumsi klasik pertama yang dilakukan dalam penelitian ini adalah menguji apakah model regresi yang dibuat adalah fit dengan data penelitian. Pengujian ini dilakukan dengan melihat nilai –2 LL awal dengan –2 LL akhir pada penelitian. Tabel ini menunjukkan hasil –2 log likelihood awal pada block number = 0, adalah sebagai berikut : Tabel 4.2 Nilai –2 Log Likelihood -2 LL Awal Iteration History

a,b,c

Iteration -2 Log likelihood Coefficients Constant Step 0 1 48.361 -.952 2 48.303 -1.035 3 48.303 -1.036 4 48.303 -1.036 a. Constant is included in the model. b. Initial -2 Log Likelihood: 48.303 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001. Sumber: Hasil Pengolahan Data dengan SPSS data diolah Sedangkan nilai –2 log likelihood -2 LL akhir akhir pada block number =1, disajikan pada tampilan tabel di bawah ini : Tabel 4.3 Nilai –2 log likelihood -2 LL akhir Universitas Sumatera Utara Iteration History

a,b,c,d

Iteration -2 Log likelihood Coefficients Constant QR BR ROA IML CAR Step 1 1 41.405 5.664 -.070 -.054 .127 -.056 -.089 2 40.547 7.648 -.092 -.073 .157 -.081 -.115 3 40.528 7.981 -.094 -.076 .164 -.089 -.119 4 40.528 7.991 -.094 -.076 .164 -.089 -.119 5 40.528 7.991 -.094 -.076 .164 -.089 -.119 a. Method: Enter b. Constant is included in the model. c. Initial -2 Log Likelihood: 48.303 d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001. Sumber: Hasil Pengolahan Data dengan SPSS data diolah Dari tabel 4.2 dan tabel 4.3 dapat dilihat bahwa nilai –2 log likelihood awal -2 LL awal pada block number = 0, yaitu model yang hanya memasukkan konstanta yang dapat dilihat pada step 4, mengalami penurunan nilai dari 48.361 pada step 1, menjadi 48.303 pada akhir step 4. Lalu, pada tabel selanjutnya, dapat dilihat –2 LL akhir dengan block number = 1. Nilai –2 log likelihood pada tabel 4.3 ini, mengalami perubahan setelah masuknya beberapa variabel independen pada model penelitian. Akibatnya, nilai –2 LL akhir pada step 5 menunjukkan nilai 48.303. Dari penjelasan di atas, maka dapat diketahui perbandingan antara –2 LL awal pada block number =0, yaitu sebesar 48.303, dengan nilai –2 LL akhir pada block number =1, yaitu sebesar 48.303. Menurut Ghozali 2005:219, penurunan nilai –2 log likelihood menunjukkan bahwa model penelitian ini dinyatakan fit. Artinya, penambahan variabel-variabel bebas yaitu Quick Ratio, Banking Ratio, Universitas Sumatera Utara Return on Assets, Interest Margin of Loans dan Capital Adequacy Ratio ke dalam model penelitian akan memperbaiki model fit penelitian ini. 2. Menguji Kelayakan Model Regresi Model Regresi Untuk menilai kelayakan model regresi yang digunakan dapat dilihat dari nilai Hosmer and Lemeshow test, seperti yang disajikan pada tabel di bawah ini : Tabel 4.4 Hosmer and Lemeshow Test Hosmer and Lemeshow Test Step Chi-square df Sig. 1 7.866 8 .447 Contingency Table for Hosmer and Lemeshow Test OA = NGCAR OA = GCAR Total Observed Expected Observed Expected Step 1 1 4 3.771 .229 4 2 4 3.604 .396 4 3 4 3.551 .449 4 4 2 3.468 2 .532 4 5 4 3.343 .657 4 6 3 3.103 1 .897 4 7 3 2.973 1 1.027 4 8 2 2.803 2 1.197 4 9 3 2.347 1 1.653 4 10 2 2.037 4 3.963 6 Sumber: Hasil Pengolahan Data dengan SPSS data diolah Universitas Sumatera Utara Dari tabel uji Hosmer and Lemeshow test menunjukkan bahwa besarnya nilai statistik chi-square sebesar 7,866 dengan probabilitas signifikansi 0,447 yang nilainya jauh diatas 0,1. Menurut Ghozali 2005:219, apabila nilai signifikansi diatas 0,1, maka hipotesis nol yang ada pada penelitian tidak dapat ditolak, artinya model penelitian mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya. Dari tabel kontijensi untuk uji Hosmer and Lemeshow, dapat dilihat bahwa dari 10 langkah pengamatan untuk pemberian opini audit dengan going concern GCAR, maupun opini audit non going concern NGCAR, nilai yang diamati maupun nilai yang diprediksi, tidak mempunyai perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini, mampu memprediksi nilai observasinya. 3. Uji Multikolinearitas Multikolinearitas adalah situasi adanya korelasi antara variabel- variabel independen antara yang satu dengan lainnya. Dalam hal ini kita sebut variabel- variabel bebas ini tidak ortogonal. Variabel- variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantaranya sama dengan nol. Dalam penelitian ini, gejala multikolinearitas, dilihat dari nilai korelasi antar variabel bebas yang terdapat dalam matriks korelasi. Hasil uji gejala multikolinearitas disajikan pada tabel 4.5 berikut : Universitas Sumatera Utara Tabel 4.5 Hasil Uji Multikolinearitas Correlation Matrix Constant QR BR ROA IML CAR Step 1 Constant 1.000 -.574 -.830 .229 -.278 -.504 QR -.574 1.000 .222 .150 -.183 .184 BR -.830 .222 1.000 -.286 .342 .269 ROA .229 .150 -.286 1.000 -.769 -.005 IML -.278 -.183 .342 -.769 1.000 -.323 CAR -.504 .184 .269 -.005 -.323 1.000 Sumber: Hasil Pengolahan Data dengan SPSS data diolah Dari hasil pengujian di atas, maka dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antara variabel independen. Gejala multikolinearitas terjadi apabila nilai korelasi antar variabel independen lebih besar dari 0,90. Matriks korelasi diatas memperlihatkan bahwa korelasi antar variabel independen yang paling besar hanya 0,574, yang lebih kecil dari 0,90. Berdasarkan hasil ini maka dapat disimpulkan bahwa variabel quick ratio, banking ratio,return on assets, interest margin of loans serta capital adequacy ratio lolos uji gejala multikolinearitas.

C. Hasil Pengujian Hipotesis