Pengujian Data .1 Uji Multikoliniearitas

39 4. Debt Default, ,memiliki nilai minimum 0,00 dan nilai maksimum yaitu 1,00, dengan nilai rata-rata yaitu 0,3729. Standard Deviation variabel ini adalah 0,48772 menunjukkan bahwa data yang digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 5. Opini Going Concern, memiliki nilai minimum 00,00 dan nilai maksimum yaitu 1,00, dengan nilai rata-rata yaitu 0,1864. Standard Devia tion variabel ini adalah 0,39280 menunjukkan bahwa data yang digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 4.2.2 Pengujian Data 4.2.2.1 Uji Multikoliniearitas Menurut Ghozali 2006:91 uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi korelasi. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai VIF Variance Inflation Factor dan nilai Tolerance, apabila nilai VIF 10 dan nilai Tolerance 0,1, maka terjadi multikolinearitas dan apabila VIF 10 dan nilai Tolerance 0,1, maka tidak terjadi multikolinearitas. Hasil uji multikoliniearitas dalam penelitian ini ditunjukkan pada Tabel 4.2 Universitas Sumatera Utara 40 Tabel 4.2 Hasil Uji Multikolineritas Model Collinearity Statistics Tolerance VIF 1 Constant Auditor_Switching .981 1.020 Financial_Distress .941 1.063 Debt_Default .946 1.057 a. Dependent Variabel: Opini_going_Concern Berdasarkan Tabel 4.2 dapat diketahui bahwa tidak ada gejala multikolinearitas antar variabel independen dalam penelitian ini. Pada tabel ini dapat dilihat bahwa tidak ada nilai tolerance yang kurang dari 0,10 dan tidak ada nilai VIF yang lebih besar dari 10. Variabel Auditor Switching memiliki nilai tolerance 0.981 dan VIF sebesar 1,020. Variabel Financial Distress memiliki nilai tolerance 0,941 dan nilai VIF 1,063. Variabel Debt Default memiliki nilai tolerance 0,946 dan nilai VIF 1,057.

4.2.2.2 Uji Autokorelasi

Menurut Ghozali 2006:95 uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode tahun berjalan dengan periode sebelumnya. Uji yang digunakan untuk melihat autokorelasi dalam penelitian ini adalah dengan menggunakan run test. Run test dapat digunakan untuk menguji apakah antar residual kesalahan pengganggu terdapat korelasi yang tinggi. Bila hasil output SPSS menunjukkan probabilitas signifikansi di bawah 0.05 maka disimpulkan terdapat gejala autokorelasi pada model regresi tersebut. Namun jika probabilitas Universitas Sumatera Utara 41 signifikansi di atas 0.05 maka disimpulkan model regresi tidak memiliki gejala autokorelasi dan residualnya adalah acak. Hasil uji autokorelasi dapat dilihat pada Tabel 4.3 Tabel 4.3 Hasil Uji Autokorelasi Runs Test Unstandardized Residual Test Value a -.01673 Cases Test Value 29 Cases = Test Value 30 Total Cases 59 Number of Runs 31 Z .134 Asymp. Sig. 2-tailed .894 a. Median Dari tabel 4.3 Runs Test dapat dilihat nilai tes Test Value sebesar -0,01673 dengan Asymptotic Significance dua sisi sebesar 0,894 atau probabilitas diatas 0,05. Hal ini berarti tidak terjadi autokorelasi pada model regresi dan residualnya random acak. 4.2.3 Analisis Model Regresi Logistik 4.2.3.1 Menilai Model Fit dan Keseluruhan Model