b,c b,c,d b,c,d

Berdasarkan Tabel 4.4, diketahui nilai probabilitas atau Sig. sebesar 0,163. Perhatikan bahwa karena nilai probabilitas 0,283 lebih besar dibandingkan tingkat signifikansi 0,05, maka disimpulkan bahwa model cukup layak dalam mencocokkanfit data.

4.1.3.2. Uji Kelayakan Keseluruhan Model Overall Fit Model

Uji ini digunakan untuk melihat model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian dilakukan dengan membandingkan nilai antara -2 log likelihood pada awal block number = 0 dengan nilai -2 log likelihood pada akhir block number = 1. Nilai - 2log likelihood awal pada block number = 0, dapat ditunjukkan melalui tabel berikut ini Tabel 4.5. Tabel 4.5 Nilai -2 Log likelihood -2 LL Awal Iteration History

a,b,c

Iteration -2 Log likelihood Coefficients Constant Step 0 1 82.839 1.040 2 82.662 1.150 3 82.662 1.153 4 82.662 1.153 a. Constant is included in the model. b. Initial -2 Log Likelihood: 82.662 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001. Nilai -2 log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.6. Dari Tabel 4.5 dapat dilihat bahwa -2 log likelihood awal Universitas Sumatera Utara pada block number = 0, yaitu model yang hanya memasukkan konstanta yang dapat dilihat pada step 4, memperoleh nilai sebesar 82,662. Kemudian pada Tabel 4.6 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2log likelihood pada step 1 iterasi 6 adalah 70,823. Adanya penurunan nilai antara -2LL awal initial-2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006. Penurunan nilai -2 log likelihood menunjukkan bahwa model penelitian ini dinyatakan fit, artinya penambahan-penambahan variabel bebas yaitu ukuran dewan komisaris X1, komisaris independen X2, kompleksitas bisnis X3, reputasi auditor X4, ke dalam model penelitian akan memperbaiki model fit dalam penelitian ini. Tabel 4.6 Nilai -2 Log likelihood -2 LL Akhir Iteration History

a,b,c,d

Iteration -2 Log likelihood Coefficients Constant X1 X2 X3 X4 Step 1 1 74.798 -2.656 .149 .052 .177 -.009 2 71.538 -5.610 .266 .102 .243 .106 3 70.875 -7.598 .314 .140 .246 .300 4 70.824 -8.292 .323 .154 .242 .393 5 70.823 -8.359 .324 .155 .241 .402 6 70.823 -8.360 .324 .155 .241 .402 a. Method: Enter b. Constant is included in the model. c. Initial -2 Log Likelihood: 82.662 Universitas Sumatera Utara Iteration History

a,b,c,d

Iteration -2 Log likelihood Coefficients Constant X1 X2 X3 X4 Step 1 1 74.798 -2.656 .149 .052 .177 -.009 2 71.538 -5.610 .266 .102 .243 .106 3 70.875 -7.598 .314 .140 .246 .300 4 70.824 -8.292 .323 .154 .242 .393 5 70.823 -8.359 .324 .155 .241 .402 6 70.823 -8.360 .324 .155 .241 .402 a. Method: Enter b. Constant is included in the model. c. Initial -2 Log Likelihood: 82.662 d. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.

4.1.3.3. Koefisien Determinasi �

Dalam regresi logistik, dapat digunakan statistik Nagelkerke’s � � untuk mengukur kemampuan model regresi logistik dalam mencocokkan atau menyesuaikan data. Dengan kata lain, nilai statistik dari Nagelkerke’s � � dapat diinterpretasikan sebagai suatu nilai yang mengukur kemampuan variabel-variabel bebas dalam menjelaskan atau menerangkan variabel tak bebas. Tabel 4.7 menyajikan nilai statistik dari Nagelkerke’s � � . Tabel 4.7 Nagelkerke R Square Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 70.823 a .146 .219 a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001. Universitas Sumatera Utara Berdasarkan Tabel 4.7 nilai statistik Nagelkerke R Square 0,219. Nilai tersebut diinterpretasikan sebagai kemampuan variabel Ukuran dewan komisaris X1, Komisaris independen X2, Kompleksitas bisnis X3, Reputasi auditor X4, dalam mempengaruhi Risk Management Committee Y sebesar 21,9, sisanya 78,1 dijelaskan oleh variabel- variabel atau faktor-faktor lain.

4.1.3.4. Tabel Klasifikasi

Nilai tabel klasifikasi akan memperlihatkan besarnya prediksi model regresi untuk memprediksikan kemungkinan keberadaan risk management committee pada perusahaan. Nilai prediksi tersebut dapat dilihat pada percentage correct dalam classification table. Hasil output SPSS regresi logistik akan ditunjukkan dalam Tabel 4.8. Tabel 4.8 Matriks Klasifikasi Classification Table a Observed Predicted RMCY Percentage Correct Tidak Mengungkapkan RMC Mengungkapkan RMC St ep 1 RMCY Tidak Mengungkapkan RMC 2 16 11.1 Mengungkapkan RMC 2 55 96.5 Overall Percentage 76.0 a. The cut value is .500 Berdasarkan Tabel 4.8 diketahui perusahaan yang tidak mengungkapkan RMC sebanyak 18 perusahaan. Dari 18 perusahaan tersebut, diprediksi 2 11,1 perusahaan tidak mengungkapkan RMC, Universitas Sumatera Utara sedangkan 16 perusahaan diprediksi mengungkapkan RMC. Diketahui perusahaan yang mengungkapkan RMC sebanyak 57 perusahaan. Dari 57 perusahaan tersebut, diprediksi 55 96,5 perusahaan mengungkapkan RMC, sedangkan 2 perusahaan diprediksi tidak mengungkapkan RMC. Diketahui angka ketepatan prediksi sebesar 76, hal ini menandakan tingkat keakuratan model regresi logistik dalam memprediksi sebesar 76, berdasarkan data penelitian.

4.1.4. Uji Multikolinearitas

Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Multikolinearitas merupakan situasi adanya korelasi antar variabel-variabel independen yang satu dengan yang lainnya. Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antar variabel yang terdapat dalam matriks korelasi. Hasil uji gejala multikolinearitas disajikan pada Tabel 4.9. Tabel 4.9 Uji Multikolinearitas dengan Matriks Korelasi Correlation Matrix Constant X1 X2 X3 X4 Step 1 Constant 1.000 -.489 -.967 -.015 -.271 X1 -.489 1.000 .302 -.062 -.455 X2 -.967 .302 1.000 -.083 .390 X3 -.015 -.062 -.083 1.000 -.313 X4 -.271 -.455 .390 -.313 1.000 Berdasarkan Tabel 4.9 dapat dilihat bahwa korelasi antara ukuran dewan komisaris X1 dan komisaris independen X2 sebesar 0,302, korelasi antara Universitas Sumatera Utara ukuran dewan komisaris X1 dan kompleksitas bisnis X3 sebesar -0,062, korelasi antara kompleksitas bisnis X3 dan reputasi auditor X4 sebesar -0,313, dan seterusnya. Dari hasil pengujian pada Tabel 4.9 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas antar variabel independen. Gejala multikolinearitas terjadi apabila nilai korelasi antar variabel independen lebih besar dari 0,90 Ghozali, 2006. Berdasarkan hasil ini dapat disimpulkan bahwa lolos dari uji gejala multikolinieritas. 4.1.5. Uji Hiptesis 4.1.5.1. Uji f-Statistik Tabel Omnibus Tests of Model Coefficients Tabel 4.10 berfungsi untuk melihat hasil pengujian secara simultan pada regresi logistik, yakni melihat pengaruh variabel bebas independen secara bersama-sama simultaneously terhadap variabel dependen. Berdasarkan Tabel 4.10 diperoleh nilai probabilitas Sig. 0,019. Karena nilai probabilitas 0,019 lebih kecil dari 0,05, maka disimpulkan bahwa variabel bebas yang digunakan secara bersama-sama berpengaruh signifikan secara statistik, terhadap Risk Management Committee. Tabel 4.10 Uji Signifikansi Model secara Simultan Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 11.839 4 .019 Block 11.839 4 .019 Model 11.839 4 .019 Universitas Sumatera Utara

4.1.5.2. Uji t-Statistik

Dalam regresi linear, baik sederhana maupun berganda, uji digunakan untuk menguji signifikansi dari pengaruh parsial. Pada regresi logistik, uji signifikansi pengaruh parsial dapat diuji dengan uji Wald. Dalam uji Wald, statistik yang diuji adalah statistik Wald Wald statistic. Nilai statistik dari uji Wald berdistribusi chi- kuadrat. Pengambilan keputusan terhadap hipotesis dapat dilakukan dengan menggunakan pendekatan nilai probabilitas dari uji Wald. Berikut aturan pengambilan keputusan berdasarkan pendekatan nilai probabilitas. �� � � � � � � � � �, � � � � � . �� � � � � � � � � �, � � � � � . Tabel 4.11 Uji Signifikansi Pengaruh Parsial Variables in the Equation B S.E. Wald df Sig. ExpB Step 1 a X1 .324 .247 1.712 1 .191 1.382 X2 .155 .072 4.634 1 .031 1.168 X3 .241 .243 .985 1 .321 1.273 X4 .402 .930 .187 1 .666 1.495 Constant -8.360 3.852 4.710 1 .030 .000 a. Variables entered on step 1: X1, X2, X3, X4. � : Ukuran dewan komisaris X1 berpengaruh signifikan terhadap Risk Management Committee Y Berdasarkan Tabel 4.11, nilai probabilitas Sig. dari ukuran dewan komisaris X1 adalah 0,191, yakni lebih besar dari 0,05, maka ukuran dewan Universitas Sumatera Utara komisaris tidak berpengaruh signifikan tidak signifikan secara statistika terhadap risk management committee, pada tingkat signifikansi 5. � : Komisaris independen X2 berpengaruh signifikan terhadap Risk Management Committee Y Berdasarkan Tabel 4.11, nilai probabilitas Sig. dari komisaris independen X2 adalah 0,031, yakni lebih kecil dari 0,05, maka komisaris independen berpengaruh signifikan terhadap risk management committee, pada tingkat signifikansi 5. � : Kompleksitas bisnis X3 berpengaruh signifikan terhadap Risk Management Committee Y Berdasarkan Tabel 4.11, nilai probabilitas Sig. dari kompleksitas bisnis X3 adalah 0,321, yakni lebih besar dari 0,05, maka kompleksitas bisnis tidak berpengaruh signifikan tidak signifikan secara statistika terhadap risk management committee, pada tingkat signifikansi 5. � : Reputasi auditor X4 berpengaruh signifikan terhadap Risk Management Committee Y Berdasarkan Tabel 4.11, nilai probabilitas Sig. dari reputasi auditor X4 adalah 0,666, yakni lebih besar dari 0,05, maka reputasi auditor tidak berpengaruh signifikan tidak signifikan secara statistika terhadap risk management committee, pada tingkat signifikansi 5. Universitas Sumatera Utara

4.2. Pembahasan