akhir pada step 5 menunjukkan nilai 95,965. Selisih antara nilai - 2LogL awal dengan nilai -2LogL akhir adalah sebesar 78,93
171,895-95,965. Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL akhir menunjukkan bahwa model yang
dihipotesiskan fit dengan data
4.3.2 Menilai Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test yang
diukur dengan nilai Chi-Square. Probabilitas signifikansi yang diperoleh kemudian dibandingkan dengan tingkat signifikansi α
5. Hipotesis untuk menilai kelayakan model regresi berikut ini: Ho : Tidak ada perbedaan antara model dengan data
Ha : Ada perbedaan antara model dengan data.
Universitas Sumatera Utara
Tabel 4.10 Tabel
hosmer an lemeshow test
Sumber : hasil pengolahan SPSS 20
Tabel 4.10 menunjukkan hasil pengujian Hosmer and Lameshow. Hasil pengujian statistik menunjukkan probabilitas
signifikan sebesar 7,620, nilai signifikansi yang diperoleh lebih besar dari α 0,05. 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.
5 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
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 7,620
8 ,471
Universitas Sumatera Utara
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 4.11 Tabel
Nagelkerke R Square
Tabel 4.11 menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data nilai Nagelkerke R Square adalah
sebesar 0,601 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 60,1, sisanya
sebesar 39,9 100-60,1 dijelaskan variabilitas variabel- variabel lain di luar model penelitian.
Model Summary
Step -2 Log likelihood
Cox Snell R Square Nagelkerke R Square
1 95,965
a
,437 ,601
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Sumber : Hasil pengolahan SPSS 20
Universitas Sumatera Utara
6 Matriks Klasifikasi
Matrik klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan
penerimaan opini audit going concern pada auditee.
Tabel 4.12 Tabel
classification table prediksi
Tabel 4.12 menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini going concern
pada auditor sebesar 80,9, hal ini berarti bahwa dengan menggunakan model regresi yang digunakan ada 38 perusahaan yang
diprediksi akan menerima opini audit going concern dari 47 perusahaan yang menerima opini audit going concern. Kekuatan
prediksi model untuk menerima opini audit non going concern adalah sebesar 91,8 yang berarti bahwa dengan model regresi yang
Classification Table
a
Observed Predicted
Opini Going Concern Percentage
Correct 1
Step 1 Opini Going Concern
78 7
91,8 1
9 38
80,9 Overall Percentage
87,9 a. The cut value is ,500
Universitas Sumatera Utara
diajukan ada 78 auditee 91,8 yang diprediksi akan menerima opini audit non going concern dari total 85 perusahaan yang
menerima opini audit non going concern.
6.1 Pengujian Hipotesis