Tabel 4.7 Nilai -2 log likelihood
block = 0 : Method = Enter Iteration History
a,b,c
Iteration -2 Log
likelihood Coefficients
Constant Step 0 1
169.660 .783
2 169.603
.826 3
169.603 .827
a. Constant is included in the model. b. Initial -2 Log Likelihood: 169,603
c. Estimation terminated at iteration number 3 because parameter estimates changed by
less than ,001.
Dari Tabel 4.9Beginning block dan Tabel Iteration History diatas terdapat 3 nilai dari -2 Log likelihood yang diberikan. Satu untuk model yang hanya memasukkan konstanta
block 0 = beginning block yaitu sebesar 169,603. Nilai dari -2 Log likelihood ini adalah signifikan dengan alpha 5 0,05 yang berarti model dikatakan fit dengan data.
Tabel 4.8 Nilai -2 Log Likelihood -2 LL akhir
Block 1: Method = Enter
Universitas Sumatera Utara
Iteration -2 Log
likelihood Coefficients
Constant KPRCY CITRA Step 1 1
102.868 -2.076
.680 2.927
2 97.483
-3.090 1.220
3.844 3
97.159 -3.490
1.402 4.168
4 97.156
-3.536 1.414
4.208 5
97.156 -3.537
1.415 4.208
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 169,603 d. Estimation terminated at iteration number 5 because
parameter estimates changed by less than ,001.
Dari Tabel 4.9 dan Tabel 4.10 dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan konstanta yang dapat dilihat pada step 3,
memperoleh nilai sebesar 169,603. Kemudian pada tabel selanjutnya dapat dilihat Nilai -2 Log Likelihood -2 LL akhir dengan block number = 1. Nilai -2 log likelihood pada Tabel
4.12. mengalami perubahan sehingga menyebabkan Nilai -2 Log Likelihood -2 LL akhir pada step 5 menunjukkan nilai 97,156 yang dapat dilihat pada Tabel 4.10.
Selisih antara nilai -2LL awal dengan nilai -2LL akhir adalah sebesar 5,712. Adanya pengurangan nilai antara -2LL awal initial -2LL function dengan nilai -2LL pada langkah
berikutnya -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data. Penurunan nilai -2 log likelihood menunjukkan bahwa model penelitian ini dinyatakan fit,
Universitas Sumatera Utara
artinya penambahan-penambahan pada variabel bebas ke dalam model penelitian akan memperbaiki model fit penelitian.
4.1.2.2 Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur dengan nilai chi square pada bagian bawah uji hosmer and
lemeshow.
Tabel 4.9 Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 .587
2 .746
Tabel 4.11 menunjukkan hasil pengujian Hosmer and Lemeshow.Hosmer dan Lemeshow test berbeda dengan uji kelayakan diatas. Uji ini adalah untuk melihat apakah data
empiris cocok atau tidak dengan data empiris dengan model. Model akan dinyatakan layak jika signifikansi diatas 0,05 atau -2Log Likehood di bawah Chi Square Tabel
Situmorang,et,al 2008 : 214. Dari hasil output diatas menunjukkan probabilitas signifikansi menunjukkan angka 0,746 berarti nilai signifikansi yang diperoleh lebih besar dari 0,05 maka
Ho tidak dapat ditolak diterima. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi
dengan klasifikasi yang diamati, atau dapat dikatakan model mampu memprediksi nilai observasinya
Universitas Sumatera Utara
Tabel 4.10 Contingency Table for Hosmer and Lemeshow Test
MINAT = 0 MINAT = 1
Total Observed Expected Observed Expected
Step 1 1 14
13.604 .396
14 2
13 13.396
2 1.604
15 3
4 4.396
9 8.604
13 4
11 10.604
85 85.396
96 Sumber: Data primer 2013 diolah
Dari tabel kontijensi untuk uji hosmer and lemeshow, dapat dilihat bahwa dari langkah-langkah pengamatan agar mahasiswa berminat = 1,00
berminat maupun tidakberminat = 0,00 tidak berminat, nilai yang diamati Observed maupun nilai yang diprediksi Expected, tidak mempunyai
perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya.
4.1.2.3 Hasil Pengujian Hipotesis
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh dari variabel bebas terhadap opini audit.Pengujian dengan regresi logistik ditunjukkan dalam tabel-tabel
berikut ini.
Universitas Sumatera Utara
Tabel 4.11 Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
138 100.0
Missing Cases .0
Total 138
100.0 Unselected Cases
.0 Total
138 100.0
a. If weight is in effect, see classification table for the total number of cases.
Berdasarkan Tabel 4.13 diatas kita dapat diambil analisis sebagai berikut : a.
Jumlah sampel pengamatan sebanyak 138 sampel, dan seluruh sampel telah diperhitungkan ke dalam pengujian hipotesis.
b. Tidak ada variabel dependen yang dikeluarkan dengan nilai dummy variabel.Untuk
variabel dependen bernilai 0 untuk tidak tercapaidan bernilai 1 untuktercapai. c.
Metode yang digunakan untuk memasukkan data adalah metode ENTERdimana apabila menggunakan metode ini seluruh variabel bebas independendisertakan
dalam pengolahan analisis data untuk mengetahui variabel manayang berpengaruh terhadap variabel dependen.
Universitas Sumatera Utara
Selanjutnya variabilitas antara variabel dependen dengan variabel independen dapat dilihat pada Tabel 4.17 berikut ini.
Tabel 4.12 Model Summary
Step -2 Log
likelihood Cox Snell R
Square Nagelkerke R
Square 1
97.156
a
.408 .577
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Berdasarkan Tabel 4.14 diatas, maka dapat dilihat bahwa hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox Snell R Square sebesar 0,408.Cox Snell R
Square merupakan ukuran yang mencoba meniru ukuran seperti halnya R
2
pada OLS regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang
dari satu, sehingga sulit untuk diinterpretasikan. Nagelerke’s R square merupakan modifikasi dari koefisien Cox dan Snell. Untuk
memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu hal ini dilakukan dengan cara membagi nilai Cox dan Snell’s R square dengan nilai maksimumnya. Nilai Nagelerke R
2
dapat diinterpretasikan seperti nilai R
2
pada OLS regression. Dilihat dari hasil output pengolahan data nilai Nagalerke R Square adalah sebesar 0,577 yang berarti variabilitas
variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 57,7 dan sisanya sebesar 42,3 adalah diluar model.
Universitas Sumatera Utara
4.1.2.4 Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan peningkatan minat memilih mahasiswa.
Tabel 4.13 Classification Table
