deviasi sebesar 0,196, yang menunjukkan bahwa tidak ada perbedaan yang terlalu signifikan antar nilai rata-rata mean dengan nilai data.
7. Variabel dependen yaitu opini audit tahun berjalan, sama seperti variabel independen kelima, variabel ini juga merupakan variabel numerik yang
menggunakan variabel dummy, dimana opini dengan pernyataan going concern diberi nilai satu “0” sebagai nilai minimum dan tanpa pernyataan going
concern diberi nilai nol “1” sebagai nilai maksimum. Sehingga dengan jelas dapat kita ketahui bahwa range antara data adalah sebesar satu 1, dengan
nilai rata-rata mean sebesar 0,96 dan standar deviasi sebesar 0,196, yang menunjukkan bahwa tidak ada perbedaan yang terlalu signifikan antar nilai
rata-rata mean dengan nilai data.
2. Pengujian Data a. Uji Asumsi Klasik
1. Uji Multikolineritas Uji ini digunakan untuk situasi dimana adanya korelasi variabel-variabel
independen antara yang satu dengan yang lainnya. Tujuannya adalah untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antara
variabel bebas independen. Apabila terjadi korelasi antar variabel-variabel tersebut berarti terjadi problem multikolineritas multikol. Sedangkan variabel
yang baik adalah variabel yang tidak memiliki problem multikolinearitas. Uji multikolineritas ini dilakukan dengan melihat besaran VIF Variance
Inflation Factor dan Tolerence serta melihat besaran korelasi antar variabel independen.
Universitas Sumatera Utara
Tabel 4.2 Coefficient Correlations
Model OPNS
LAR DER
QR LTDAR
1 Correlations
OPNS 1,000
-,076 -,004
,089 -,174
LAR -,076
1,000 ,104
,396 ,221
DER -,004
,104 1,000
-,061 ,451
QR ,089
,396 -,061
1,000 ,130
LTDAR -,174
,221 ,451
,130 1,000
Covariances OPNS
,017 -1,89E-005 -4,69E-008 9,83E-005
,000 LAR
-1,89E-005 3,55E-006
1,63E-008 6,30E-006
3,85E-006 DER
-4,69E-008 1,63E-008
6,90E-009 -4,25E-008 3,46E-007
QR 9,83E-005
6,30E-006 -4,25E-008 7,13E-005
1,01E-005 LTDAR
,000 3,85E-006
3,46E-007 1,01E-005
8,51E-005
Sumber : Hasil Pengolahan SPSS Deteksi adanya multikolineritas:
a. Multikolineritas dapat dilihat dari:
Koefisien korelasi antar variabel independen haruslah lemah dan tidak cukup tinggi tidak diatas 0,90, maka antar variabel tersebut tidak terjadi
multikolineritas. Tidak adanya korelasi yang tinggi bukan berarti bebas dari gejala multikolineritas. Mutikolineritas dapat disebabkan karena
adanya efek kombinasi dua atau lebih variabel independen ghozali, 2005: 91.
Analisis : Pada tabel 4.2 yaitu tabel COEFFICIENT CORRELATIONS tampak
bahwa antar variabel-variabel independen tersebut tidak ada korelasi yang besar. Dari tabel tersebut menunjukkan bahwa korelasi dibawah 0,95 atau
95. Jadi dapat disimpulkan bahwa antar variabel tersebut tidak terjadi multikolineritas.
Universitas Sumatera Utara
Tabel 4.3 Coefficients
Model Collinearity Statistics
Tolerance VIF
QR ,803
1,245 LAR
,803 1,245
LTDAR ,727
1,376 DER
,770 1,298
OPNS ,938
1,066
Sumber : Hasil pengolahan SPSS b. Multikolineritas dapat dilihat dari:
1. Mempunyai nilai VIF disekitar angka 1.
2. Nilai Tolerence mendekati angka 1.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan variabel independen lainnya. Dalam pengertian
sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya. Tolerence
mengukur variabilitas variabel independen yang terpilih yang dijelaskan oleh variabel independen lainnya. Jadi nilai tolerence yang
rendah sama dengan nilai VIF yang tinggi Ghozali, 2005: 91-92.
Analisis: Pada tabel 4.3 yaitu tabel COEFFICIENT, dapat dilihat bahwa nilai
tolerence dari kelima variabel mendekati satu 1. Yang berarti bahwa tidak ada korelasi antara variabel independen yang nilainya lebih dari
95. Begitu juga dengan nilai VIF yang menunjukkan nilai disekitar angka satu 1 dan tidak lebih dari angka sepuluh 10. Dengan
demikian dapat disimpulkan bahwa tidak ada terjadi multikolineritas diantara variabel independen.
Universitas Sumatera Utara
2. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model
regresi ada korelasi pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke
observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series karena ”gangguan” pada seseorang
individukelompok cenderung mempengaruhi ”gangguan” pada individukelompok yang sama pada periode berikutnya. Pada data
crossection silang waktu, masalah autokorelasi relatif jarang terjadi karena ”gangguan” pada observasi yang berbeda berasal
dari individu kelompok yang berbeda. Maka regresi logistik yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2005 :
95-96.
Uji yang digunakan untuk melihat autokorelasi dalam penelitian ini adalah dengan menggunakan run test. Run test dapat digunakan untuk
menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dapat dikatakan bahwa
residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak. Hipotesis yang akan
diuji adalah:
H : residual res_1 random acak
H
1
: residual res_1 tidak random
Universitas Sumatera Utara
Tabel 4.4 Runs Test
Difference between
observed and predicted
probabilities Test Valuea
,00407 Cases Test Value
25 Cases = Test Value
26 Total Cases
51 Number of Runs
23 Z
-,988 Asymp. Sig. 2-tailed
,323 a. Median
Sumber : Hasil Pengolahan SPSS. Analisis :
Dari tabel 4.4 diatas tampak bahwa nilai test adalah sebesar 0,00407 dengan
probabilitas 0,323 tidak signifikan pada 0,05 5 yang berarti hipotesis nol diterima, sehingga dapat disimpulkan bahwa residual random acak atau tidak
terjadi autokorelasi antar nilai residual.
3. Menilai Keseluruhan Model Overall Model Fit
Uji ini digunakan untuk menilai model yang telah dihipotesakan telah fit atau tidak dengan data. Seperti yang dikatakan dalam buku Homer-Lemeshow,
1989: 135 bahwa ” ...the model contains those variabel main effect as well as interactions that should be in the model and the variables have been entered in
the correct functional form”. Oleh karena itu data yang baik adalah yang model hipotesanya sesuai dengan data.
Adapun hipotesis yang digunakan untuk menilai model fit ini adalah sebagai berikut:
Universitas Sumatera Utara
H :
Model yang dihipotesakan Fit dengan Data. H
1
: Model yang dihipotesakan tidak fit dengan data.
Dari hipotesis tersebut dengan jelas menunjukkan bahwa hipotesis yang diinginkan adalah hipotesa nol karena hipotesa tersebut menyatakan bahwa model
fit dengan data. Statistik yang digunakan adalah berdasarkan pada fungsi Likelihood.
Likelihood L dari model adalah probabilitas bahwa model yang dihipotesakan menggambarkan model input. Untuk menguji hipotesis nol dan alternatif, L
ditransformasikan menjadi -2LogL. Statistik -2LogL kadang-kadang disebut likelihood rasio X
2
statistik.
Tabel 4.5 Block 0: Beginning Block
Nilai -2 Log likehood
awal -2 LL awal
Iteration Historya,b,c
Iteration -2 Log
likelihood Coefficients
Constant Constant
Step 0 1 22,364
1,843 2
17,512 2,669
3 16,898
3,092 4
16,875 3,194
5 16,875
3,199 6
16,875 3,199
a Constant is included in the model. b Initial -2 Log Likelihood: 16,875
c Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Sumber : Hasil Pengolahan SPSS
Universitas Sumatera Utara
Tabel 4.6 Block 1: Method = Backward Stepwise Wald
Nilai -2 Log likehood
akhir -2 LL akhir
Iteration Historya,b,c,d,e,f,g
Iteration -2 Log
likelihood Coefficients
Constant QR
LAR LTDAR
DER OPNS
Constant Step 1 1
19,542 ,655
-,010 -,001
,003 ,000
1,810 2
12,505 1,779
-,029 -,003
,015 -,001
2,598 3
10,131 3,399
-,072 -,002
,069 -,002
2,999 4
8,944 5,414
-,182 ,001
,253 -,003
2,963 5
7,791 9,633
-,436 -,005
,730 -,003
2,535 6
5,794 19,869
-,957 -,037
2,179 -,005
2,031 7
3,851 39,144
-1,902 -,099
4,744 -,009
2,015 8
2,724 65,521
-3,171 -,227
7,748 -,012
2,385 9
2,118 129,826
-6,266 -,642
14,121 -,016
2,926 10
,932 202,928
-9,735 -1,006
21,461 -,026
4,665 11
,351 314,970
-15,038 -1,575
32,829 -,040
6,992 12
,126 443,558
-21,221 -2,188
46,299 -,057
8,109 13
,046 578,132
-27,779 -2,792
60,756 -,075
7,925 14
,017 710,464
-34,224 -3,388
74,960 -,093
7,802 15
,006 841,738
-40,615 -3,981
89,037 -,111
7,736 16
,002 972,445
-46,975 -4,572 103,042
-,129 7,714
17 ,001
1102,782 -53,316
-5,162 116,996 -,146
7,731 18
,000 1232,848
-59,641 -5,752 130,914
-,164 7,779
19 ,000
1362,707 -65,954
-6,341 144,802 -,182
7,855 20
,000 1492,402
-72,258 -6,931 158,667
-,199 7,952
Step 2 1 21,428
2,330 -,020
,001 ,025
,000 2
15,037 3,991
-,063 ,002
,084 -,001
3 12,506
5,945 -,170
,004 ,233
-,002 4
10,755 9,069
-,376 -,003
,532 -,002
5 9,066
13,834 -,645
-,021 1,143
-,003 6
6,639 24,051
-1,172 -,057
2,762 -,004
7 4,759
41,671 -2,060
-,121 5,251
-,007 8
3,586 66,653
-3,298 -,234
8,595 -,010
9 2,321
118,499 -5,859
-,479 15,639
-,017 10
,857 255,821
-12,547 -1,103
31,798 -,035
11 ,295
402,510 -19,653
-1,773 47,615
-,055 12
,106 537,779
-26,218 -2,388
62,413 -,074
13 ,039
669,479 -32,613
-2,986 76,891
-,092 14
,014 799,932
-38,949 -3,577
91,259 -,110
15 ,005
929,950 -45,265
-4,167 105,589 -,127
16 ,002
1059,831 -51,574
-4,755 119,910 -,145
17 ,001
1189,687 -57,882
-5,344 134,230 -,163
18 ,000
1319,563 -64,191
-5,932 148,555 -,180
19 ,000
1449,476 -70,502
-6,521 162,884 -,198
Universitas Sumatera Utara
20 ,000
1579,433 -76,815
-7,109 177,218 -,216
Step 3 1 21,745
1,853 -,023
,002 ,047
2 15,747
2,841 -,070
,004 ,140
3 13,497
4,141 -,172
,003 ,330
4 12,117
6,224 -,317
-,006 ,635
5 11,224
7,888 -,422
-,016 1,100
6 10,523
8,492 -,478
-,017 1,869
7 9,639
8,447 -,543
-,003 3,625
8 8,567
9,058 -,700
,019 7,679
9 7,745
10,643 -,905
,036 13,848
10 7,145
11,296 -1,059
,060 22,876
11 6,755
11,099 -1,165
,089 35,815
12 6,654
11,256 -1,204
,096 44,208
13 6,620
11,276 -1,206
,096 51,075
14 6,606
11,284 -1,207
,096 58,250
15 6,599
11,293 -1,207
,096 66,868
16 6,593
11,310 -1,207
,096 81,709
17 6,566
11,411 -1,208
,094 173,073 18
5,471 20,767
-1,351 -,073
8522,55 8
19 3,931
48,662 -2,749
-,277 18683,6
45 20
1,641 145,660
-7,413 -1,046
51924,2 34
Step 4 1 21,755
1,981 -,026
,046 2
15,758 3,140
-,078 ,138
3 13,484
4,405 -,182
,330 4
12,143 5,693
-,299 ,637
5 11,295
6,397 -,365
1,092 6
10,518 6,929
-,420 1,934
7 9,543
8,318 -,549
3,892 8
8,631 10,736
-,756 7,514
9 8,069
13,170 -,956
12,369 10
7,811 14,320
-1,049 17,429
11 7,679
14,497 -1,065
23,204 12
7,616 14,525
-1,068 29,892
13 7,589
14,533 -1,069
37,339 14
7,573 14,538
-1,070 46,913
15 7,556
14,550 -1,071
67,127 16
7,332 14,723
-1,088 371,142
17 5,618
17,584 -1,360
4451,79 5
18 5,284
20,794 -1,617
6889,53 6
19 5,202
21,630 -1,682
8668,29 2
20 5,174
21,685 -1,686
10296,8 02
Step 5 1 22,153
2,188 -,032
2 16,912
3,715 -,095
3 15,774
5,583 -,218
4 15,497
7,389 -,353
Universitas Sumatera Utara
5 15,474
8,060 -,401
6 15,474
8,123 -,406
7 15,474
8,123 -,406
Step 6 1 22,364
1,843 2
17,512 2,669
3 16,898
3,092 4
16,875 3,194
5 16,875
3,199 6
16,875 3,199
Step 7 1 20,037
,000 1,918
2 13,877
,000 2,882
3 12,662
,000 3,532
4 12,538
,000 3,822
5 12,536
,000 3,870
6 12,536
,000 3,871
7 12,536
,000 3,871
Step 8 1 19,561
,493 ,000
1,832 2
12,563 1,374
-,001 2,680
3 10,339
2,703 -,003
3,311 4
9,668 3,843
-,004 3,881
5 9,545
4,508 -,004
4,269 6
9,537 4,713
-,004 4,397
7 9,537
4,729 -,004
4,407 8
9,537 4,730
-,004 4,407
a Method: Backward Stepwise Wald b Constant is included in the model.
c Initial -2 Log Likelihood: 16,875 d Estimation terminated at iteration number 20 because maximum iterations has been reached.
Final solution cannot be found. e Estimation terminated at iteration number 7 because parameter estimates changed by less than
,001. f Estimation terminated at iteration number 6 because parameter estimates changed by less than
,001. g Estimation terminated at iteration number 8 because parameter estimates changed by less than
,001.
Universitas Sumatera Utara
Omnibus Tests of Model Coefficients
Chi-square Df
Sig. Step 1
Step 16,875
5 ,005
Block 16,875
5 ,005
Model 16,875
5 ,005
Step 2 Step
,000 1
,998 Block
16,875 4
,002 Model
16,875 4
,002 Step
3a Step
-1,641 1
,200 Block
15,235 3
,002 Model
15,235 3
,002 Step
4a Step
-3,534 1
,060 Block
11,701 2
,003 Model
11,701 2
,003 Step
5a Step
-10,299 1
,001 Block
1,401 1
,236 Model
1,401 1
,236 Step
6a Step
-1,401 1
,236 Step 7
Step 4,340
1 ,037
Block 4,340
1 ,037
Model 4,340
1 ,037
Step 8 Step
2,999 1
,083 Block
7,338 2
,025 Model
7,338 2
,025 a A negative Chi-squares value indicates that the Chi-squares value has decreased from the
previous step.
Sumber : Hasil pengolahan SPSS Dari tabel 4.5 dan 4.6 diatas dapat dilihat bahwa nilai -2 log likehood awal
-2 LL awal pada block number = 0, yaitu model yang hanya memasukkan konstanta saja memiliki nilai 16,875. Lalu pada tabel selanjutnya ,yaitu pada tabel
4.6 nilai -2 log likehood akhir -2 LL akhir pada block number = 1 berubah menjadi 9,537.
Penurunan nilai ini terjadi karena masuknya beberapa variabel independen dalam model penelitian.
Menurut Ghozali 2005 : 219, penurunan nilai -2 log likehood menunjukkan bahwa model penelitian ini dinyatakan fit. Artinya penambahan
variabel – variabel independen yaitu Quick Ratio, Loan to Asset Ratio, Long Term
Universitas Sumatera Utara
Debt to Equity Ratio, Debt to Equity Ratio dan opini audit tahun sebelumnya ke dalam model penelitian akan memperbaiki model fit penelitian ini.
4. Menilai Kelayakan Model Regresi