Pengujian Hipotesis .1 Uji Statistik
Persamaan Regresi Logistik Ganda :
Ŷ = e
A + B
1
X
1
+ B
2
X
2
+ B
3
x
3
+ B
4
x
4
1 + e
A + B
1
X
1
+ B
2
X
2
+ B
3
X
3
+ B
4
X
4
Dimana: Ŷ
= Probabilitas Pengungkapan Laporan Keuangan Pemerintah
Daerah KabupatenKota A
= Konstanta intersep
B
1
, B
2
, B
3
, B
4
= Koefisien Regresi Variabel Bebas
X
1
= Total Belanja
X
2
= Total Aset
X
3
= Tingkat Ketergantungan
X
4
= Opini Audit
e =
Eksponensial kemungkinan
4.6.1 Pengujian Hipotesis 4.6.1.1 Uji Statistik
Uji statistik yang digunakan pada penelitian ini menggunakan uji statistik model fit yang terdiri dari
a. Menilai Keseluruhan Model Overall Model Fit Model Overall adalah model di dalam SEM Structural Equation Model
yang melibatkan model struktural dan model pengukuran secara terintegrasi yang menjadi keseluruhan model. Overall model fit merupakan model untuk
memberikan hipotesa atas suatu penelitian yang menggunakan regresi logistik. Hipotesis untuk menilai model fit adalah:
H0 : Model yang dihipotesakan fit dengan data Ha
: Model yang dihipotesakan tidak fit dengan data Ghozali, 2006. Dengan menggunakan Likelihood ratio sebagai alat untuk mengukur overall fit.
Fungsi Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan
hipotesis alternative, L ditransformasikan menjadi -2LogL Ghozali, 2006. b. Menilai Goodness of Fit
Untuk menilai Goodness of Fit dengan 3 tiga cara yaitu: pengujian Nagelkerke R Square, Hosmer and Lemeshow, dan Classification Table.
− Nagelkerke’s R Square Uji Nagelkerke’s R Square dilakukan untuk melihat seberapa besar model
yang digunakan dalam penelitian ini mampu menjelaskan variabel dependen dengan menggunakan variabel-variabel independen yang
digunakan dalam penelitian ini. Nagelkerke’s R Square merupakan modifikasi dari koefisien Cox and Snell untuk memastikan bahwa nilainya
bervariasi dari 0 nol sampai 1 satu. Dengan cara membagi nilai Cox and Snell’s R
2
dengan nilai maksimumnya. Dan nilai Nagelkerke’s R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Semakin mendekati nilai 1 satu maka model dianggap semakin goodness of fit dan
semakin mendekati nilai 0 nol maka model dianggap semakin tidak goodness of fit Ghozali, 2006.
− Hosmer and Lemeshow Goodness of Fit Test Uji Hosmer and Lemeshow Goodness of Fit Test dilakukan untuk menguji
hipotesis nol untuk mendapatkan bukti bahwa data empiris yang digunakan cocok atau sesuai dengan model. Jika nilai Hosmer and
Lemeshow Goodness of Fit Test sama dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model
dengan nilai observasinya sehingga Goodness Fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Tetapi bila nilai
Hosmer and Lemeshow Goodness of Fit Test lebih besar dari 0,05, maka hipotesis nol diterima yang berarti model mampu memprediksi nilai
observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya Ghozali, 2006.
− Classification Table Classification table atau tabel klasifikasi digunakan untuk menghitung
nilai estimasi yang benar correct dan salah incorrect. Pada model yang sempurna, maka semua kasus akan berada pada diagonal dengan tingkat
ketepatan peramalan 100. Jika model logistik mempunyai homoskedastisitas, maka prosentase yang benar correct akan sama untuk
kedua baris Ghozali, 2006.. c. Pengujian regresi logistik
Pengujian regresi logistik secara parsial dapat dilakukan dengan melihat tabel Variables in the Equation, sedangkan pengujian regresi logistik secara simultan
dapat dilakukan dengan melihat tabel Omnibus Test of Model Coefficient.