4.4.2 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 adalah:
H
o
: Tidak ada perbedaan antara model dengan data
H
a
: Ada perbedaan antara model dengan data
Tabel 4.10 Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 13.485
8 .096
sumber : Data sekunder yang telah diolah di SPSS 20 Tabel 4.10 menunjukkan hasil pengujian Hosmer and Lemeshow.
Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 0,096. Nilai signifikansi
yang diperoleh lebih besar dari α tingkat signifikansi 0,05. Hal ini berarti model regresi yang dipakai dalam penelitian layak
untuk dilakukan penelitian selanjutnya, karena tidak ada perbedaaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
Universitas Sumatera Utara
4.4.3 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.
Tabel 4.11 Nagerkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square Nagelkerke R Square 1
43.026
a
.197 .271
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Sumber : Data sekunder yang telah diolah di SPSS 20
Tabel di atas menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data, nilai Nagelkerke R Square adalah sebesar
0,271 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 27,1, sisanya sebesar 72,9 100 -
27,1 dijelaskan variabilitas variabel-variabel lain di luar model penelitian.
4.4.4 Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit going
concern pada auditee.
Universitas Sumatera Utara
Tabel 4.12 Classification Table
a
Observed Predicted
GCAO Percentage
Correct 1
Step 1 GCAO
22 4
84.6 1
5 9
64.3 Overall Percentage
77.5 a. The cut value is .500
Sumber : Data sekunder yang telah diolah di SPSS 20
Dari tabel di atas dapat dilihat bahwa menurut prediksi, auditee yang menerima opini audit going concern adalah 14, sedangkan observasi
sesungguhnya menunjukkan bahwa auditee yang menerima opini audit going concern adalah 9. Jadi ketepatan model ini adalah 914 atau 64.3.
Kemudian menurut prediksi, auditee yang tidak menerima opini audit non going concern adalah 26, sedangkan observasi sesungguhnya menunjukkan
bahwa auditee yang menerima opini audit non going concern adalah 22. Jadi, ketepatan model ini adalah 2226 atau 84.61. Ketepatan prediksi
keseluruhan model ini adalah 77.50..
4.5 Pengujian Hipotesis