Menilai Keseluruhan Model Overall Fit Model Menguji Kelayakan Model Regresi Hosmer and

3.6 Teknik Analisis Data

Alat analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik logistic regression dengan menggunakan SPSS versi 22. Penggunaan alat regresi logistik logistic regression adalah karena variabel dependen yaitu ketepatan waktu pelaporan keuangan audit timelines bersifat dummy. Asumsi normal distribution tidak dapat dipenuhi karena variabel bebas merupakan campuran antara variabel kontinyu metrik dan katagorial non-metrik. Dalam hal ini dapat dianalisis dengan regresi logistik logistic regression karena tidak perlu asumsi normalitas data pada variabel bebasnya Ghozali, 2013.Adapun yang menjadi teknik analisis data dalam penelitian ini yaitu:

3.6.1 Analisis Statistik Deskriptif

Statistik deskriptif digunakan untuk mendeskriptifkan variabel- variabel dalam penelitian ini, yaitu audit timeliness, ukuran perusahaan, kualitas auditor, opini audit, audit report lag pada perusahaan perbankan yang terdaftar di BEI. Statistik deskriptif akan memberikan gambaran umum dari setiap variabel penelitian. Alat analisis yang digunakan adalah nilai rata-rata mean, distribusi frekuensi, nilai minimum dan maksimum serta standar deviasi standard deviation.

3.6.2 Pengujian Model

3.6.2.1 Menilai Keseluruhan Model Overall Fit Model

Dalam penelitian ini pertama kali akan dilakukan penilaian terhadap keseluruhan model fit terhadap data. Beberapa tes statistik digunakan untuk menilai hal ini. Hipotesis untuk menilai model ini adalah: H0 : Model yang dihipotesiskan fit dengan data H1 : Model yang dihipotesiskan tidak fit dengan data Dari hipotesis tersebut hipotesis nol harus ditolak agar model fit dengan data. statistik yang digunakan menggunakan statistik Likelihood. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan alternatif, L ditransformasikan menjadi - 2 Log Likelihood atau -2LL. Penurunan likehood -2LL menunujukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.Log Likelihood pada regresi logistik mirip dengan pengertian “Sum of Square Error” pada model regresi, sehingga penurunan Log Likelihood menunjukkan model regresi yang semakin baik Ghozali, 2013.

3.6.2.2 Menguji Kelayakan Model Regresi Hosmer and

Lemeshow’s Goodness of Fit Test Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hosmer and Lemeshow’s Goodness of Fit Test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit. Jika nilai statistic Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik Hosmer andLemeshow’s Goodness of Fit Test lebih besar dari 0,05, maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya.Ghozali, 2013.

3.6.2.3 Koefisien Determinasi Negelkerke R Square