39
Variabel adopsi IFRS
yang diukur dengan perusahaan yang
menampilkanlaporan keuangan sesuai IAS 1 = 1 dan selin dari itu = 0. Hasil uji statistik menunjukkan hasilnya semua adalah 0. Hal itu dikarenakan semua
perusahaan tidak menerapkan laporan keuangan sesuai dengan kriteria pengukuran.
4.2.2 Hasil Uji Model 4.2.1.1
Hasil Uji Kesesuaian Seluruh Model Overall Fit Model
Uji kesesuaian seluruh model pada regresi logistik yang digunakan pada penelitian ini dilihat dari nilai -2 Log Likelihood -2LL pada
tabel Iteration History Block 0 dan tabel Iteration History Block 1. Bila terjadi penurunan nilai -2LL pada tabel tersebut maka dapat
disimpulkan bahwa model regresi yang terbentuk sudah baik atau dengan kata lain model regresi yang dihipotesiskan sudah fit dengan
data. Hasil uji kesesuaian keseluruhan model dapat dilihat pada tabel 4.4 di bawah ini :
Tabel 4.4 Nilai
-2 Log likelihood -2 LL Awal
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 1
31.113 1.500
2 30.158
1.885 3
30.142 1.945
4 30.142
1.946 5
30.142 1.946
a. Constant is included in the model. b. Initial -2 Log Likelihood: 30,142
c. Estimation terminated at iteration number 5 because parameter estimates changed by less
than ,001.
Universitas Sumatera Utara
40
Tabel 4.5 Nilai
-2 Log likelihood -2 LL Akhir
Iteration History
a,b,c,d
Iteration -2 Log likelihood
Coefficients Constant
LEV ROA
TA UP
IFRS Step 1 1
26.667 -.405
.007 .037
.116 -.010
.538 2
21.298 -2.891
.016 .072
.303 -.007
1.404 3
18.778 -6.217
.028 .098
.544 .008
2.447 4
18.271 -7.898
.036 .107
.685 .008
3.351 5
18.230 -8.114
.039 .107
.727 -.004
4.296 6
18.226 -8.088
.039 .106
.733 -.008
5.288 7
18.225 -8.086
.039 .106
.733 -.008
6.288 8
18.225 -8.086
.039 .106
.733 -.008
7.289 9
18.225 -8.086
.039 .106
.733 -.008
8.289 10
18.225 -8.086
.039 .106
.733 -.008
9.289 11
18.225 -8.086
.039 .106
.733 -.008
10.289 12
18.225 -8.086
.039 .106
.733 -.008
11.289 13
18.225 -8.086
.039 .106
.733 -.008
12.289 14
18.225 -8.086
.039 .106
.733 -.008
13.289 15
18.225 -8.086
.039 .106
.733 -.008
14.289 16
18.225 -8.086
.039 .106
.733 -.008
15.289 17
18.225 -8.086
.039 .106
.733 -.008
16.289 18
18.225 -8.086
.039 .106
.733 -.008
17.289 19
18.225 -8.086
.039 .106
.733 -.008
18.289 20
18.225 -8.086
.039 .106
.733 -.008
19.289 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 30,142
d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
Universitas Sumatera Utara
41
Tabel 4.4 menunjukkan adanya pengurangan nilai -2LL awal dengn nilai -2 LL pada langkah berikutnya menunjukkan bahwa model yang
dihipotesiskan fit dengan data. Untuk hasil pada penelitian ini adalah terdapat penurunan nilai -2 LL awal yaitu sebesar 31.113 dengan -2
LL pada tabel 4.5 yaitu sebesar 18.225. dengan menunjukkan nilai antara -2 LogL awal dengan -2 LogL akhir sebesar 12.888 31.113 –
18.225 menunjukkan bahwa model yang dihipotesiskan fit dengan data.
4.2.2.2 Hasil Uji Kelayakan Model Regresi Hosmer and Lemeshow’s
Goodnes Of Fit Test
Kelayakan model regresi logistik dinilai dengan menggunakan Hosmer and lemeshow’s Goodnes Of Fit Test. Model dikatakan layak
jika nilai signifikan sig. lebih besar dari 0,05. Pada hasil pengujian kelayakan model regresi dapat dilihat nilai Chi-square sebesar 4,512,
sedangkan nilai signifikan sebesar 0,808 yang berarti lebih besar dari 0,05, dengan demikian dapat disimpulkan bahwa model regresi sudah
layak atau fit .
Pada tabel 4.5 di bawah ini dapat dilihat hasil uji kelayakan model.
Tabel 4.6 Uji Kelayakan Model Regresi
Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 4.512
8 .808
Sumber : Output SPSS
Universitas Sumatera Utara
42
4.2.2.3 Hasil Uji Koefisien Determinasi Nagelkerke R Square
Koefisien determinasi pada regresi logistik yang digunakan pada penelitian ini dilihat dari nilai Nagelkerke R Square pada tabel Model Summary. Hasil
uji menunjukkan nilai Nagelkerke R Square sebesar 0,487 yang berarti variabel independen dapat menjelaskan variabel dependen sebesar 48,7,
sedangkan sisanya sebesar 51,3 dijelaskan oleh variabel lain di luar variabel yang digunakan pada penelitian ini. Koefisien determinasi dapat
dilihat pada tabel 4.6 berikut ini :
Table 4.7 Uji Koefisien Determinasi
-2 Log likelihood Cox Snell R
Square Nagelkerke R
Square 18.225
a
.258 .487
a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
4.2.2.4 Hasil Uji Matriks klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan audit delay yang terjadi pada perusahaan.
Dari tabel 4.7 di bawah menunjukkan bahwa dengan model regresi yang digunakan dapat memprediksi 87,5 atau sebesar 35 sampel yang
mengungkapkan intellectual capital. Kekuatan prediksi model terhadap perusahaan yang mengungkapkan intellectual capital 12,5 yang berarti
dalam model ada 5 perusahaan yang dipredksi akan mengungkapkan intellectual capital. Ketepatan model dalam memprediksi pengungkapan
intellectual capital adalah 87,5 artinya dari 40 perusahaan yang di observasi ada 35 perusahaan yang tepat pengklasifikasian model regresinya logistiknya.
Universitas Sumatera Utara
43
Tabel 4.8 Matrik Klasifikasi
