Sumber : Hasil Pengolah data Sekunder pada Lampiran 2012 Output SPSS pada tabel 4.1 menunjukkan nilai -2 LogL pertama sebesar 57.208,
angka ini secara matematik signifikan pada alpha α 5 dan hipotesis nol ditolak. Hal ini berarti bahwa hanya konstanta saja yang tidak fit dengan data sebelum
variabel bebas dimasukkan ke dalam model regresi. Langkah selanjutnya adalah menguji keseluruhan model overall model fit.
Pengujian dilakukan dengan membandingkan nilai -2LogL -2LL pada awal Block 0 dengan nilai -2LogL pada akhir Block 1. Adanya pengurangan nilai antara -2LL
awal initial -2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006:243.
Tabel 4.2 Tabel
Likelihood Block 1
Iteration History
a,b,c,d
Iteration -2 Log likelihood
Coefficients Constant
BIG4 SPEC
ACSIZE Step 1
1 56.139
-1.862 .301
-.600 .287
2 55.766
-2.305 .356
-.804 .403
3 55.764
-2.345 .357
-.824 .415
4 55.764
-2.345 .357
-.824 .415
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 57.208 d. Estimation terminated at iteration number 4 because parameter estimates changed
by less than .001.
Sumber : Hasil Pengolahan Data Sekunder pada Lampiran 2 2012
Universitas Sumatera Utara
-2LogL untuk model dengan konstanta dan variabel bebas yaitu KAP big four BIG4, Auditor Spesialis Industri SPEC, Ukuran Komite Audit ACSIZE sebesar
55,764 . -2LogL untuk model dengan kosntanta dan variabel bebas yaitu KAP big four BIG4, Auditor Spesialis Industri SPEC, Ukuran Komite Audit ACSIZE
ternyata tidak signifikan pada alpah α 5 yang berarti hipotesis nol tidak dapat
ditolak dan model fit dengan data. Output SPSS pada tabel 4.2 menunjukkan selisih kedua -2LogL sebesar 1,444
57,208-55,764 atau terjadi penurunan nilai -2LogL sebesar 1,444. Penurunan nilai - 2LogL ini dapat diartikan bahwa penambahan variabel bebas 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 Squere Error” pada model regresi, sehingga penurunan nilai Log Likelhood menunjukkan model regresi yang semakin
baik.
b. Menilai Kelayakan Model Regresi
Analisis selanjutnya yang dilakukan adalah menilai kelayakan model regresi logistic yang akan digunakan. Pengujian kelayakan model regresi dilakukan dengan
menggunakan Hosmer and Lamershow’s Goodness of Fit Test yang diukur dengan nilai Chi-Squer, probabilitas signifikan yang diperoleh kemudian dibandingkan
dengan tingkat signifikan α 5.
Universitas Sumatera Utara
Hipotesis untuk menilai keyakan model regresi : H0 : Tidak ada perbedaan antara model dengan data
H1 : Ada perbedaan model dengan data
Tabel 4.3 Tabel Hosmer and Lameshow Test
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 .712
3 .870
Sumber : Hasil Pengolahan Data Sekunder pada Lampiran 2 2012 Tabel 4.3 diatas menunjukkan hasil pengujian Hosmer and Lameshow. Dengan
probabilitas signifikan yang menunjukan angka 0,870nilai signifikan yang diperoleh ini jauh lebih besar dari pada 0,05 α 5, maka H0 tidak dapat ditolak diterima.
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 mengatmati nilai observasinya.
c. Koefisien Determinasi
