dapat diketahui bahwa nilai statistik Durbin-Watson sebesar 2.589, maka disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.
4.2.3 Menguji Keseluruhan Model
Statistik yang digunakan adalah adalah berdasarkan pada fungsi Likehood. Likehood L dari model adalah probabilitas bahwa model yang
dihopitesakan menggambarkan model input. Model dari statistik -2LogL dapat digambarkan melalui tabel sebagai
berikut:
Tabel 4.5 Gambaran Jumlah Kasus Penelitian
Sumber : Hasil output spss, data diolah peneliti 2016 Berdasarkan tabel 4.5 dapat diketahui bahwa jumlah seluruh kasus yang
diolah dalam penelitian ini adalah 78 perusahaan, namun setelah dilakukan uji kelayakan model ternyata kasus yang dapat dianalisis sebesar 78 kasus yaitu
sekitar 100.
Universitas Sumatera Utara
Tabel 4.6 Variabel Dependen
Sumber : Hasil output spss, data diolah peneliti 2016 Tabel 4.6 menunjukkan bahwa nilai yang diberikan untuk variabel
dependen dimana variabel ini adalah variabel yang menggunakan variabel dummy yaitu 1 dan 0.
Tabel 4.7 Nilai -2LogL untuk Model yang Hanya Memasukkan Konstanta
Sumber : Hasil output spss, data diolah peneliti 2016 Untuk melihat nilai -2LogL dengan model yang menggunakan konstanta
dan beberapa variabel bebas, maka dapat digambarkan dengan tabel sebagai berikut:
Universitas Sumatera Utara
Tabel 4.8 Nilai -2LogL untuk Model dengan Konstanta dan Variabel Bebas
Sumber : Hasil output spss, data diolah peneliti 2016 Tampilan output SPSS memberikan 2 nilai -2LogL yaitu untuk model
yang hanya memasukkan konstanta tabel 4.7 dan untuk model dengan konstanta dan variabel bebas tabel 4.8. Nilai -2LogL yang hanya memasukkan konstanta
adalah sebesar 86,608, sedangkan nilai -2LogL untuk model dengan konstanta dan variabel bebas adalah 77,794. Penurunan nilai -2LogL adalah sebesar 8,814 yaitu
dari 86,608 menjadi 77,794 mengindikasikan bahwa model fit dengan data, hal ini berarti bahwa dengan adanya penambahan variabel bebas ukuran perusahaan,
likuiditas, variabilitas persediaan dan laba sebelum pajak ternyata dapat memperbaiki model fit.
4.2.4 Menilai Kelayakan Model Regresi
