56
memasukkan konstanta yang dapat dilihat pada step 1, memperoleh nilai sebesar 25,762. Kemudian pada tabel selanjutnya dapat dilihat
nilai -2 LL akhir dengan block number = 1 nilai -2 log likelihood pada tabel 4.3 mengalami perubahan setelah masuknya beberapa variabel
independen pada model penelitian, akibatnya nilai -2 LL akhir pada step 7 menunjukkan nilai 15,242.
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,2005. Penurunan nilai -2 log likelihood menunjukkan bahwa
model penelitian ini dinyatakan fit, artinya penambahan-penambahan variabel bebas yaitu rasio pertumbuhan, audit client tenure, pergantian
auditor dan kesulitan keuangan perusahaan ke dalam model penelitian akan memperbaiki model fit penelitian ini.
4.2.4 Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur dengan nilai chi
square pada bagian bawah uji hosmer and lemeshow. Jika nilai
Hosmer and Lemeshow’s Goodness of Fit Test ≤ 0,05, maka berarti terdapat perbedaan signifikan antara model dengan nilai observasinya
Universitas Sumatera Utara
57
sehingga goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya Ghozali, 2005.
Tabel 4.5 Hosmer and Lemeshow Test
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 8,053
8 ,428
Sumber: Diolah dengan SPSS, 2014
Tabel 4.5 menunjukkan nilai Hosmer and Lemeshow’s
Goodness of Fit sebesar 8,053 dengan signifikansi 0,428. Nilai signifikansi yang diperoleh lebih besar dari 0,05 maka Ho 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.
Tabel 4.6
Contingency Table for Hosmer and Lemeshow Test
Opini Audit Going Concern = opini audit non going concern
Opini Audit Going Concern = opini audit going concern
Total
Observed Expected
Observed Expected
Contingency Table for Hosmer and Lemeshow Test
Universitas Sumatera Utara
58
Step 1 1
1 1,000
5 5,000
6 2
,224 6
5,776 6
3 ,142
6 5,858
6 4
,120 6
5,880 6
5 1
,112 5
5,888 6
6 ,101
6 5,899
6 7
,086 6
5,914 6
8 ,077
6 5,923
6 9
,059 6
5,941 6
10 ,078
10 9,922
10
Sumber: Diolah dengan SPSS, 2014
Dari tabel kontijensi untuk uji hosmer and lemeshow, dapat dilihat bahwa dari sepuluh langkah pengamatan untuk opini audit yang
baik 1 maupun tidak baik 0, nilai yang diamati maupun nilai yang diprediksi, tidak mempunyai perbedaan yang terlalu ekstrim. Ini
menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya.
4.2.5 Hasil Pengujian Hipotesis
Regresi logistik ingin menguji apakah probabilitas terjadinya
variabel terikat dapat diprediksi dengan variabel bebasnya Ghozali, 2005. Pada penelitian ini, regresi logistik dilakukan terhadap 64
Universitas Sumatera Utara
59
perusahaan sampel yang terdiri dari 62 perusahaan yang memiliki
opini audit going concern ditandai dengan angka 1 dan hanya 2
perusahaan yang tidak memiliki opini audit going concern ditandai
dengan angka 0. Hasil pengujian hipotesis bertujuan untuk mengetahui apakah
pengaruh dari variabel-variabel bebas terhadap kualitas audit. Pengujian dengan regresi logistik ditunjukkan dalam tabel-tabel
berikut ini.
Tabel 4.7 Ikhtisar Pengolahan Data
Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
64 98,5
Missing Cases 1
1,5 Total
65 100,0
Unselected Cases ,0
Universitas Sumatera Utara
60
Total 65
100,0
Data diolah dengan SPSS, 2014
Berdasarkan tabel 4.7 di atas dapat diambil analisis sebagai berikut: a.
Jumlah sampel pengamatan sebanyak 64 sampel, dan seluruh sampel telah diperhitungkan ke dalam pengujian hipotesis;
b. Tidak ada variabel dependen yang dikeluarkan dengan nilai
dummy variabel. Variabel dependen bernilai 1 untuk opini audit going concern dan bernilai 0 untuk opini audit non going concern.
c. Metode yang digunakan untuk memasukkan data adalah metode
enter dimana apabila menggunakan metode ini seluruh variabel bebas independen disertakan dalam pengolahan analisis data
untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
Selanjutnya variabilitas antara variabel dependen dengan variabel independen dapat dilihat pada tabel 4.8 berikut ini.
Tabel 4.8
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 15,242
a
,039 ,161
Model Summary
Universitas Sumatera Utara
61
Sumber: Data diolah dengan SPSS, 2014
Berdasarkan tabel 4.8 di atas, maka dapat dilihat bahwa hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox
Snell R Square sebesar 0.039. Cox Snell R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai
maksimum kurang dari satu, sehingga sulit untuk diinterpretasikan. Nagelerke’s R square merupakan modifikasi dari koefisien
Cox and Snell. Untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu hal ini dilakukan dengan cara membagi nilai Cox
and Snell’s R square dengan nilai maksimumnya. Nilai Nagelerke R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Dilihat dari hasil output pengolahan data nilai Nagalerke R Square
adalah sebesar 0.161 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 16.10 ,
sisanya sebesar 84,90 dijelaskan oleh variabel-variabel lain di luar model.
a. Matriks Klasifikasi
Universitas Sumatera Utara
62
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan
keterjadian variabel terkait dependen pada perusahaan dilihat melalui classification tabel.
Tabel 4.9 Matriks Klasifikasi
Observed Predicted
Opini Audit going concern
Percentage Correct
.0000 1.0000
Step 1 Opini audit
going concern
.0000 2
0,00
1.0000 62
100,00
Overall Percentage 96,9
Sumber : Data diolah dengan SPSS, 2014
Tabel 4.9 secara keseluruhan dapat dijelaskan bahwa kemungkinan penerimaan opini going concern sebesar 96,9
dari seluruh sampel yang ada yang menunjukkan pengertian bahwa sebesar 62 sampel penelitian yang mendapatkan opini
audit going concern dan sisanya sebesar 3,10 atau sebesar
Universitas Sumatera Utara
63
hanya 2 sampel penelitian saja yang mendapatkan opini audit non going concern.
b. Menguji Koefisien Regresi
Tabel 4.10 menunjukkan hasil pengujian dengan regresi logistik, pengujian koefisien regresi logistik mencerminkan
penjabaran lebih rinci mengenai pengaruh masing masing
variabel independen terhadap variabel dependennya. Tabel 4.10
Hasil Uji Koefisien Regresi
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
95 C.I.for EXPB Lower
Upper
Step 1
a
X1 ,884
2,142 ,170
1 ,007
,413 ,006
27,526 X2
,375 1,049
,128 1
,720 1,456
,186 11,374
X3 -1,893
1,847 1,050
1 ,306
,151 ,004
5,626 X4
-,056 1,293
,002 1
,965 ,945
,075 11,925
Cnstant 3,654
3,137 1,356
1 ,244
38,613 a. Variables entered on step 1: X1, X2, X3, X4.
Sumber: Diolah dengan SPSS, 2014
Persamaan regresi dapat dilihat dari kolom B pada tabel 4.10. Tanda matematika dalam persamaan yang akan dibentuk mengikuti angka dalam
Universitas Sumatera Utara
64
kolom B. Persamaan regresi logistik yang terbentuk dapat dinyatakan sebagai berikut:
Y = 3,654 + 0.884 X1 + 0,375 X2 – 1,893 X3 -0,056 X4 + e
Keterangan: Y
: Opini audit going concern X1
: Rasio Pertumbuhan X2
: Audit Client tenure X3
: Pergantian Auditor X4
: Kesulitan Keuangan
Penjelasan persamaan regresi logistik diatas adalah sebagai berikut: 1.
Konstanta sebesar 3,654 yang menunjukkan bahwa apabila tidak ada variabel Rasio Pertumbuhan, Audit Client tenure, Pergantian Auditor,
Kesulitan Keuangan maka nilai dari Opini audit going concern adalah sebesar 3,654.
2. Variabel X1 Rasio Pertumbuhan menunjukkan nilai koefisien sebesar
0,884 dengan tingkat signifikansi 0.007 lebih kecil dari 0.05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien positif
dan signifikan terhadap penerimaan opini audit going concern. Tanda positif pada koefisien rasio pertumbuhan menunjukkan bahwa rasio
Universitas Sumatera Utara
65
pertumbuhan yang lebih besar akan memberikan kemungkinan terjadinya penerimaan opini audit going concern.
3. Variabel X2 Audit client tenure menunjukkan nilai koefisien sebesar
0,375 dengan tingkat signifikansi 0.720 lebih besar dari 0.05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien positif
dan tidak signifikan terhadap penerimaan opini audit going concern. Tanda positif pada koefisien audit tenure menunjukkan bahwa audit client
tenure yang lebih besar berturut-turut akan memberikan kemungkinan terjadinya penerimaan opini audit going concern.
4. Variabel X3 Pergantian Auditor menunjukkan nilai koefisien sebesar -
1,893 dengan tingkat signifikansi 0.306 lebih besar dari 0.05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif
dan tidak signifikan terhadap penerimaan opini audit going concern. Tanda negatif pada koefisien pergantian auditor menunjukkan bahwa
pergantian auditor yang terlalu besar mengakibatkan penurunan opini audit going concern.
5. Variabel X4 Kesulitan Keuangan menunjukkan nilai koefisien sebesar -
0,056 dengan tingkat signifikansi 0.965 lebih besar dari 0.05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif
dan tidak signifikan terhadap penerimaan opini audit going concern. Tanda negatif pada koefisien kesulitan keuangan menunjukkan bahwa
Universitas Sumatera Utara
66
kesulitan keuangan yang terlalu besar mengakibatkan penurunan opini audit going concern.
4.3 Pembahasan Hasil Penelitian
