Uji Koefisien Determinasi Uji Kualitas Data

35 operation dengan keputusan revaluasi aset tetap. Hasil matriks ini digunakan untuk memperjelas ketepatan model atau penggambaran model regresi logistik dengan data penelitian yang memperlihatkan hasil prediksi dengan hasil penelitian. Tabel klasifikasi dapat dilihat pada tabel 4.8 dan 4.9 sebagai berikut: Tabel 4.8 Tabel Klasifikasi Indonesia Observed Predicted Kep_REV Percentage Correct 1 Step 1 Kep_REV 457 1 99,8 1 31 ,0 Overall Percentage 93,5 a. The cut value is ,500 Tabel 4.9 Tabel Klasifikasi Singapura Observed Predicted Kep_REV Percentage Correct 1 Step 1 Kep_REV 221 2 99,1 1 35 3 7,9 Overall Percentage 85,8 a. The cut value is ,500 Hasil tabel 4.8 menunjukkan bahwa dari 457 perusahaan yang tidak melakukan revaluasi aset tetap, seharusnya 99,8 dapat diprediksi oleh model regresi logistik dengan tepat. Sedangkan dari 31 perusahaan yang melakukan revaluasi aset tetap 0,0 yang mampu diprediksi dengan tepat oleh model. Secara keseluruhan terdapat 93,5 yang dapat diprediksi dengan tepat dalam model regresi logistik dalam penelitian ini. 36 Sedangkan hasil tabel 4.9 menunjukkan bahwa dari 221 perusahaan yang tidak melakukan revaluasi, seharusnya 99,1 dapat diprediksi oleh model regresi logistik dengan tepat. Lalu dari 35 perusahaan yang melakukan revaluasi aset tetap 7,9 yang mampu diprediksi dengan tepat oleh model. Secara keseluruhan terdapat 85,8 yang dapat diprediksi dengan tepat dalam model regresi logistik dalam penelitian ini.

C. Uji Hipotesis

Pengolahan dan perhitungan data menggunakan program SPSS 21.00 for windows. Hasil pengujian hipotesis dijelaskan oleh tabel sebagai berikut: Tabel 4.10 Hasil Uji Hipotesis Indonesia B S.E. Wald df Sig. ExpB Step 1 a FIRM_SIZELn -0.213 0.144 2.198 1 0.138 0.808 FAI 4.481 1.061 17.853 1 0.000 88.356 DR -0.245 0.663 0.136 1 0.712 0.783 LIQ -1.044 0.459 5.170 1 0.023 0.352 CFFO -0.276 0.359 0.589 1 0.443 0.759 Constant 2.344 4.082 0.330 1 0.566 10.427 a. Variables entered on step 1: FIRM_SIZE, FAI, DR, LIQ, CFFO. Sumber: Output SPSS 21, 2016 Berdasarkan tabel 4.10 dapat dimasukkan model regresi logistik sebagai berikut: REVi = 2,344 – 0,213SIZE + 4,481FAI – 0,245DR – 1,044LIQ – 0,276CFFO