Tabel 4.6 menunjukkan bahwa -2LogL awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada step 4
memperoleh nilai sebesar 106.268. Kemudian pada tabel 4.7 dapat dilihat nilai -2LogL setelah masuknya beberapa variabel independen pada model
sehingga nilai -2LogL akhir pada step 7 menunjukkan nilai 38.365. Selisih antara nilai -2LogL awal dengan nilai -2LogL akhir adalah
sebesar 67.903 106.268-38.365. Adanya pengurangan nilai antara - 2LogL awal dengan nilai -2LogL akhir menunjukkan bahwa model yang
dihipotesiskan fit dengan data.
b. 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.
H0 : Model yang dihipotesiskan fit dengan data Ha : Model yang dihipotesiskan tidak fit dengan data
Tabel 4.8 Tabel Hosmer and Lemeshow Test
Sumber : Hasil Pengolahan SPSS 22
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 5.394
8 .715
Universitas Sumatera Utara
Tabel 4.8 menunjukkan hasil pengujian Hosmer and Lemeshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 0,715,
nilai signifikansi yang diperoleh lebih besar dari α 0,05. 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 model mampu memprediksi nilai observasinya.
c. 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. Nilai Nagelkerke R
2
Square dapat diinterpretasikan seperti nilai R Square pada multiple regression
Ghozali,2006:233. Nilai ini didapat dengan cara membagi nilai Cox
Snell R Square dengan nilai maksimumnya. Tabel 4.9
Tabel Nagelkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 38.365
a
.446 .739
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001.
Universitas Sumatera Utara
Tabel di atas menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data nilai Nagelkerke R Square adalah sebesar
0,739 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 73,9 , sisanya sebesar 26,1
100-73,9 dijelaskan variabilitas variabel-variabel lain di luar model penelitian.
Tabel 4.10 Tabel Clasification Table Prediksi
Classification Table
a,b
Observed Predicted
opiniauditgoingconcern Percentage
Correct NGC
GC Step 0
Opiniauditgoingconcern NGC 20
.0 GC
95 100.0
Overall Percentage 82.6
a. Constant is included in the model. b. The cut value is .500
Sumber : Hasil Pengolahan SPSS 22 Tabel 4.10 menunjukkan kekuatan prediksi dari model regresi untuk
memprediksi kemungkinan penerimaan opini audit going concern yaitu
Classification Table
a
Observed Predicted
opiniauditgoingconcern Percentage
Correct NGC
GC Step 1
Opiniauditgoingconcer n
NGC 16
4 80.0
GC 1
94 98.9
Overall Percentage 95.7
a. The cut value is .500
Universitas Sumatera Utara
sebesar 100 persen. Hal ini berarti bahwa dengan menggunakan model regresi yang diajukan ada 95 auditee yang diprediksi akan menerima
opini audit going concern dari total 115 auditee. Kekuatan prediksi model untuk penerima opini audit non going concern adalah sebesar 95.7
persen,
yang berarti bahwa dengan menggunakan model regresi yang diajukan ada 94 auditee 98,9 persen yang diprediksi akan menerima opini
audit goin concern dari total 115 auditee.
4.3. Pengujian Hipotesis
