Analisis Multinomial Logit digunakan jika dalam variable penelitian, iabel respon dependen memiliki tiga atau lebih kategori.
Dalam penelitian ini, variabel dependen Y memiliki tiga kategori pilihan tu: perusahaan yang diberikan Opini Wajar Tanpa Pengecualian Unqualified
var
yai Opinion,
perusahaan yang diberikan Opini Wajar Tanpa Pengecalian dengan Paragraf Penjelas Unqualified with Explanation Opinion dan perusahaan yang
diberikan Opini Wajar dengan Pengecualian Qualified Opinion. Dalam penelitian ini jumlah data yang diproses sebanyak 92 atau N= 92.
Untuk melihat kelengkapan data yang diproses dalam penelitian ini dan tidak adanya issing case data yang hilang, makan akan ditunjukkan oleh tabel case
processing summary berikut ini:
Tabel 4.3
Dari hasil output pada tabel Case Processing Summary diatas dapat dilihat
bahwa tidak ada data yang hilang, terdapat 32 perusahaan yang diberikan m
Case Pro mary
cessing Sum
N Margina
l Percentage
OPINI
32 34.8
24 26.1
1 36
39 2
.1 Valid
92 100.
Missing Total
92 population
86
a
Sub
a. The dependent variable has only one value observed in 85 98,8 subpopulations.
Op 24
Penjelasan oleh Auditor termasuk kategori 1, dan terdapat 36 perusahaan yang ngan Pengecualian oleh Auditor termasuk kategori
.
1. Fit
ini Wajar Tanpa Pengecualian oleh Auditor termasuk kategori 0, terdapat perusahaan yang diberikan Opini Wajar Tanpa Pengecualian dengan
diberikan Opini Wajar de 2
Menilai Model
Tabel 4.4 Model Fitting Information
Model Model Fitting
Criteria Likelihood Ratio Tests
-2 Log Likelihood
Chi-Square df
Sig. Intercept Only
198.256 Final
152.916 45.340
12 .000
Model fitting Information pada tabel 4.2 dapat dilihat bahwa angka
-2 Log Likelihood pada model awal intercept only sebesar 198.256 dan angka -2 Log Likelihood pada Model final sebesar 152.916. karena hasil
ini menunjukkan adanya penurunan, maka dapat ditarik kesimpulan
bahwa model ini menunjukkan model multinomial logit yang lebih bai dan dapat diputuskan bahwa dapat menggunakan model lengkap unt
melakukan analisis. k
uk
Tabel 4 2.
Goodness of Fit Test .5
Goodness-of-Fit
Chi-Square df
Sig. Pearson
178.327 158
.128 Deviance
151.530 158
.630
Hasil Output Chi Square sebesar 178.327 untuk koefisien Pearson dan 151.530 untuk koefisien Deviance signifikan pada 0.630, oleh karena
nilai ini berada diata 5 maka model dapat dikatakan fit dan model
dapat diterima. s
α = 0,0
3. Pseudo R-Square Test
Tabel 4.6 Pseudo R-Square
Cox and Snell .389
Nagelkerke .439
McFadden .227
Nilai Statistik R-Square R2 pada analisis multinomial logistik didekati dengan nilai Pseudor R-Square : Cox and Snell, Nagelkerke
danMcfadden. Nilai pada rentang 0-1, semakin mendekati 1 maka semkin banyak variasi yang dapat dijelaskan oleh model. Nilai Koefisien Cox and
Snell sebesar 0.389, nilai Koefisien Nagelkerke pada tabel sebesar 0.439 yang berarti bahwa variabilitas variabel dependen yang dpat dijelaskan
oleh variabilitas variabel indpenden sebesar 43.9 .
4. Likelihood Ratio Test
Tabel 4.7
Likelihood Ratio Test merupakan uji signifikansi model yang memperlihatkan kontribusi pengaruh setiap variabel indpenden atau variabel
faktor terhadap model. Hasil logit pada kolom Sig terlihat
bahwa untuk variabel faktor ROA memiliki kontribus terhada
y sebes
0.00, uk variabel CR juga m
kontribusi yang signifikan terhadap model yaitu sebesar 0.00, dan untuk variab
iliki kontribusi yang signi 0.044. ketiga Variabel tersebut dikatakan si
riabel tersebut m
i nil le
cil dari = 0.05. sedangkan variabel lain seperti
Likelihood Ratio Tests
Model Fitting
output multinomial i yang siginifikan
p model aitu ar
unt emiliki
el QR mem fikan terhadap model yaitu sebesar
gnifikan karena va emilik
ai Sig bih ke
α
Effect Criteria
Likelihood Ratio Tests -2 Log Likelihood
of Reduced Model Chi-Square
df Sig.
Intercept 162.174
9.258 2
.010 ROA
168.563 15.647
2 .000
ROE 155.265
2.349 2
.309 CR
172.383 19.467
2 .000
QR 159.160
6.244 2
.044 DAR
153.989 1.073
2 .585
DER 153.963
1.047 2
.593
ROE, DAR dan DER tidak mem iki k busi yang signifikan terhadap
model karen iga v
el-varia el ter t mem
i nilai sig h besar
dari α = 0.05. hal ini mengindikasikan bawa hanya variabel ROA, CR, dan
QR yang dapat digunakan sebagai variabel bebas Independent dalam model Multinomial Logit yang dibuat.
5. Ketepatan Prediksi Klasifikasi
il ontri
a ket ariab
b sebu
ilik lebi
Tabel 4.8
Parameter Estimates
OPINI
a
B Std. Error
Wald df
Sig. ExpB
95 Confidence Interval for ExpB
Lower Bound Upper Bound
0Intercept -1.226
.439 7.794
1 .005
ROA .301
.093 10.540
1 .001
1.351 1.127
1.620 ROE
-.039 .055
.490 1
.484 .962
.863 1.072
CR 1.893
.686 7.609
1 .006
6.640 1.730
25.490 QR
-1.466 .729
4.043 1
.044 .231
.055 .964
DAR .054
.142 .143
1 .705
1.055 .799
1.393 DER
-.022 .039
.301 1
.583 .979
.906 1.057
1Intercept -.975
.413 5.565
1 .018
ROA .105
.078 1.844
1 .175
1.111 .954
1.294 ROE
-.045 .036
1.619 1
.203 .956
.891 1.025
CR 1.794
.678 7.005
1 .008
6.014 1.593
22.708 QR
-1.398 .720
3.770 1
.052 .247
.060 1.013
DAR -.106
.169 .394
1 .530
.899 .645
1.253 DER
-.002 .006
.157 1
.692 .998
.986 1.009
a. The reference category is: 2.
Hasil pengujian regresi multinomial logit pada tabel diatas, menunjukkan bahwa :
a. Variabel yang dapat digunakan untuk memprediksi probabilitas opini
auditor yang akan diberikan kepada perusahaan yaitu antara kelompok 1, dengan kelompok 3 dan kelompok 3 adalah variabel ROA, CR dan QR
dimana ketiga variabel tersebut memiliki nilai statistik signifikan pada tingkat 5 .
b. Sedangkan variabel yang dapat digunakan untuk memperediksi
probabilitas opini auditor yang akan diberikan yaitu antara kelompok 2 dengan kelompok 3 hanya variabel CR yang memiliki nilai Statistik
Signifikan pada tingkat 5.
6. Tabel Klasifikasi
Tabel 4.9
Classification
Observed Predicted
1 2
Percent Correct 25
1 6
78.1 1
7 5
12 20.8
2 4
1 31
86.1 Overall Percentage
39.1 7.6
53.3 66.3
lassification terlihat secara keseluruhan memiliki daya klasifikasi sebesar opini audit
tik dan lain-lain. Daya lasifik
pok 1 sebesar 39.1, daya klasifikasi perusahaan elomp
pok tiga sebesar 53.3.
D. Int
, Nag
var dijelaskan oleh variabel lain.
Analisis lebih lanjut berkaitan dengan daya klasifikasi untuk kelompok 2, kelompok 2 dan kelompok 3, model multinomial logit pada tabel klasifikasi
c 66.3, sedangkan sisanya sebesar 23.7 menunjukkan bahwa
dijelaskan oleh variabel lain selain yang diteliti dalam penelitian ini misalnya masalah kebijakan manajemen, ekonomi, poli
k asi perusahaan kelom
k ok 2 sebesar 7.6 dan kelom
erpretasi
Hasil pengujian multinomial logit menunjukkan daya klasifikasi sebesar 66,3 hasil ini ditunjukkan dengan classification table pada model. Nilai koefisien
elkerke R Square menjelaskan bahwa dalam model regresi ini kemampuan
iabel ROA, ROE, CR, QR, DAR dan DER sebesar 43,9 dan sisanya 56,1
Likelihood ratio test yaitu uji secara parsial menunjukan bahwa hanyavariabel ROA, CR dan QR yang memiliki pengaruh siginifikan pada tingkat 5.
Sehing
0 = 0.293 ga variabel yang dapat digunakan untuk mengklasifikasikan kelompok
I dengan kelompok 2 dan kelompok 3 adalah variabel return on asset ratio, current ratio,
dan quick ratio. Berdasarkan nilai koefisien B pada tebel parameter estimates , maka
diperoleh persamaan untuk menginterpretasikan analisis mulinomil logit yaitu :
Ln P1P0 = -1.226 + 0.301ROA + 1.893CR – 1.466QR Pada persamaan tersebut jika variabel-variabel independen dianggap nol,
maka akan diperoleh persaamaan sebagai berikut : Ln P1P0 = -1.226
P1P0 = Exp -1.226 P1P
Hal ini berarti bahwa probabilitas variabel ROAC, CR dan QR untuk memperediksi perusahaan mendapatkan opini wajar tanpa pengecualian
unqualified opinion dari seorang auditor adalah 0.293 kali probabilitas untk memprediksi perusahaan yang mendapatkan opini wajar dengan pengecualian
qualified opinion. Dengan kata lain bahwa variabel ROA, CR dan QR memiliki peluang atau kemampuan yang lebih bsar untuk memprediksi
perusahaan yang mendapatkan opini audit wajar tanpa pengecualian
