diterima, artinya pergantian auditor tidak berpengaruh terhadap ketepatan waktu penyampaian laporan keuangan.
4.2.3 Pengujian Model 4.2.3.1 Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan Goodness of Fit Test yang diukur dengan nilai Chi-
square pada bagian bawah uji Hosmer and Lameshow.
Tabel 4.8 Hasil Uji Kelayakan Model Regresi
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 7.736
8 .460
Contingency Table for Hosmer and Lemeshow Test
TL = 0 TL = 1
Total Observed Expected Observed Expected
Step 1 1 5
4.995 .005
5 2
5 4.884
.116 5
3 5
4.769 .231
5 4
4 4.656
1 .344
5 5
5 4.470
.530 5
6 3
4.404 2
.596 5
7 5
4.184 .816
5 8
4 3.868
1 1.132
5 9
4 3.322
1 1.678
5 10
1 1.449
2 1.551
3
Universitas Sumatera Utara
Berdasarkan tabel 4.8 dapat dilihat bahwa hasil pengujian statistik menunjukkan bahwa nilai statistic Hosmer and Lameshow
sebesar 7,736 dengan probabilitas signifikansi menunjukkan angka 0,460, nilai signifikansi yang diperoleh ini jauh lebih besar dari 0,05
5, maka H diterima atau didukung. 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.
4.2.3.2 Menguji Keseluruhan Model
Pengujian ini dilakukan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian ini dilakukan
dengan membandingkan nilai antara -2 log likelihood LL pada awal
dengan block number = 0 dan angka -2 log likelihood pada akhir
dengan block number = 1. Nilai -2 log likelihood LL pada awal
dengan block number = 0 dapat dilihat pada tabel 4.9 sebagai berikut. Tabel 4.9
Hasil Uji Overall Fit Model -2 Log Likehood Awal
Iteration -2 Log
likelihood Coefficients
Constant Step 0 1
40.679 -1.417
2 39.888
-1.731 3
39.880 -1.767
4 39.880
-1.768
Universitas Sumatera Utara
Nilai -2 log likelihood LL pada awal dengan block number =
1 dapat dilihat pada tabel 4.10 sebagai berikut.
Tabel 4.10 Hasil Uji Overall Fit Model -2 Log Likehood Akhir
Iteration -2 Log
likelihood Coefficients
Constant ROA GEAR EXTRA SIZE KAP AUCH
Step 1 1 37.560
-.992 .103
.024 1.300 .000
-.756 .408
2 34.159
-.715 .246
.067 2.543 .000 -1.898
.910 3
32.971 -.173
.395 .117
3.698 .000 -3.155 1.414
4 32.797
.132 .457
.134 4.122 .000 -3.749
1.635 5
32.788 .228
.466 .136
4.172 .000 -3.877 1.667
6 32.788
.236 .467
.136 4.174 .000 -3.885
1.668 7
32.788 .236
.467 .136
4.174 .000 -3.885 1.668
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 39,880 d. Estimation terminated at iteration number 7 because parameter estimates changed
by less than ,001.
Berdasarkan tabel 4.9 dapat dilihat bahwa -2log likelihood untuk model dengan konstanta pada penelitian ini adalah sebesar 39,880
dan ternyata tidak signifikan pada alpha α 0,05 yang berarti hipotesis
a. Constant is included in the model. b. Initial -2 Log Likelihood: 39,880
c. Estimation terminated at iteration number 4 because parameter estimates
changed by less than ,001.
Universitas Sumatera Utara
nol tidak dapat ditolak dan model fit dengan data. Tabel 4.10 dapat dilihat bahwa nilai -2 log likelihood akhir pada block number = 1
mengalami perubahan dengan adanya beberapa variabel independen, sehingga nilainya menjadi 32,788. Selisih nilai -2 log likelihood awal
dengan nilai -2 log likelihood akhir adalah sebesar 7,092 39,880- 32,788. Penurunan nilai -2 log likelihood ini dapat diartikan bahwa
penambahan variabel independen ke dalam model dapat memperbaiki model fit serta menunjukkan model regresi yang lebih baik atau dengan
kata lain model yang dihipotesiskan fit dengan data. Log Likelihood pada regresi logistik mirip dengan pengertian “ Sum of Squared Error”
pada model regresi, sehingga penurunan nilai Log Likelhood menunjukkan model regresi yang semakin baik.
4.3 Pembahasan Hasil Penelitian 4.3.1.
