dalam model dapat memperbaiki model fit serta menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
b. Pengujian Kelayakan Model Regresi
Analisis selanjutnya yang dilakukan adalah menilai kelayakan model regresi logistik yang akan digunakan. Pengujian kelayakan model regresi logistik
dilakukan dengan menggunakan Goodness of fit test yang diukur dengan nilai Chi-Square
pada bagian bawah uji Homser and Lemeshow. Probabilitas signifikansi yang diperoleh kemudian dibandingkan dengan tingkat signifikasi
5 . Hipotesis untuk menilai kelayakan model regresi adalah :
H : Tidak ada perbedaan antara model dengan data
H
a
: Ada perbedaan antara model dengan data
Tabel 4.23 Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 6.741
8 .565
Sumber : Hasil pengolahan data dengan SPSS 13.0
Tabel 4.23 menunjukkan hasil pengujian Hosmer and Lemeshow. Dengan probabilitas signifikasi menunjukkan angka 0,565, nilai signifikansi
yang diperoleh ini jauh lebih besar dari pada 0,05 α 5, maka H
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 bahwa
model mampu memprediksi nilai observasinya.
c. Pengujian Multikolinearitas
Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Walaupun dalam regresi logistik tidak lagi
memerlukan uji asumsi klasik seperti multikolineartilitas, namun tidak ada salahnya apabila dilakukan uji multikolineartilitas. Pengujian multikolinearitas
dalam model ini dengan menggunakan matrik korelasi antar variabel bebas untuk melihat besarnya korelasi antar variabel independen di dalam penelitian
ini yaitu kondisi keuangan perusahaan ZSCORE, pertumbuhan perusahaan SALES, dan Opini audit tahun sebelumnya OPINI.
Tabel 4.24 menunjukkan korelasi antar variabel independent di dalam penelitian ini. Matrik korelasi dibawah menunjukkan tidak adanya gejala
multikolinearitas yang serius antar variabel bebas, sebagaimana terlihat dari nilai korelasi antar variabel bebas masih jauh di bawah 0.8. Korelasi antar variabel
bebas menunjukkan angka negatif - yang berarti antar variabel bebas terdapat korelasi tak langsung atau korelasi negatif. Korelasi tertinggi antar variabel
independen terjadi antara variabel SALES dan OPINI yaitu -0.16.
Tabel 4.24 Correlation Matrix
Constant ZSCORE SALES
OPINI Step 1
Constant 1.000
-.857 .134
-.203 ZSCORE
-.857 1.000
-.188 -.068
SALES .134
-.188 1.000
-.016 OPINI
-.203 -.068
-.016 1.000
Sumber : Hasil pengolahan data dengan SPSS 13.0
d. Koefisien Determinasi
