peningkatan rata-rata variabel ini paling tinggi sebesar 0.76 sedangkan penurunan rata-rata paling rendah sebesar 0.76.
B. Pengujian Ragresi logistik
1.
Menguji kelayakan model regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hosmer and Lemeshow’s Goodness of Fit Test
menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model. Jika nilai Hosmer and Lemeshow Goodness-of-fit-test statistics sama dengan atau
kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan dengan nilai observasinya, sehingga Goodness fit model
tidak baik karena model tidak dapat memprediksi nilai observasinya Ghozali, 2006.
Tabel 4.2
Hosmer and Lemeshow Test Step
Chi-square Df
Sig. 1
.176 8
1.000
Pengujian menunjukkan nilai Chi-square sebesar 0.176 dengan signifikansi p sebesar 1.000. Berdasarkan hasil tersebut, karena nilai signifikansi lebih besar
dari 0,05 maka model dapat disimpulkan mampu memprediksi nilai observasinya.
2.
Menilai keseluruhan model overall model fit
Langkah selanjutnya adalah menguji keseluruhan model overall model fit. Pengujian dilakukan dengan membandingkan nilai antara -2 Log Likelihood -
2LL pada awal Block Number = 0 dengan nilai -2 Log Likelihood -2LL pada akhir Block Number = 1. Adanya pengurangan nilai antara - 2LL awal initial -
Universitas Sumatera Utara
2LL function dengan nilai - 2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2005.
Tabel 4.3
Iteration History
a,b,c,d
Blok 1
Iteration -2 Log
likelihoo d
Coefficients Constant
KUALITAS _AUDIT
Z_SCORE OPINI_AUD
IT_SEBELU MNYA
PERTUMB UHAN_PER
USAHAAN SIZE
Step 1 1
48.075 1.851
-.058 -.009
-.089 -.001
.019 2
20.976 2.675
-.182 -.027
-.269 -.004
.059 3
12.352 3.023
-.469 -.064
-.649 -.010
.149 4
9.018 2.886
-.974 -.120
-1.147 -.020
.293 5
7.796 2.362
-1.637 -.170
-1.375 -.027
.453 6
7.411 1.595
-2.533 -.207
-1.362 -.030
.613 7
7.304 1.748
-3.545 -.233
-1.283 -.031
.690 8
7.271 2.709
-4.556 -.245
-1.247 -.031
.697 9
7.260 3.729
-5.559 -.247
-1.241 -.031
.696 10
7.256 4.730
-6.560 -.247
-1.240 -.031
.696 11
7.254 5.730
-7.560 -.247
-1.240 -.031
.696 12
7.253 6.730
-8.560 -.247
-1.240 -.031
.696 13
7.253 7.730
-9.560 -.247
-1.240 -.031
.696 14
7.253 8.730
-10.560 -.247
-1.240 -.031
.696 15
7.253 9.730
-11.560 -.247
-1.240 -.031
.696 16
7.253 10.730
-12.560 -.247
-1.240 -.031
.696 17
7.253 11.730
-13.560 -.247
-1.240 -.031
.696 18
7.253 12.730
-14.560 -.247
-1.240 -.031
.696 19
7.253 13.730
-15.560 -.247
-1.240 -.031
.696 20
7.253 14.730
-16.560 -.247
-1.240 -.031
.696 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 12,277
d. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
Universitas Sumatera Utara
Tabel 4.4
Iteration History
a,b,c
Blok 0
Iteration -2 Log
likelihood Coefficients
Constant Step 0
1 48.326
1.977 2
21.785 3.060
3 14.332
3.971 4
12.533 4.668
5 12.286
5.043 6
12.277 5.132
7 12.277
5.136 8
12.277 5.136
a. Constant is included in the model. b. Initial -2 Log Likelihood: 12,277
c. Estimation terminated at iteration number 8 because parameter estimates changed by less than
,001.
3.
Koefisien Determinasi Nagelkerke R Square
Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Nagelkerke R Square. Nilai Nagelkerke R Square adalah sebesar 0,418
yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 41,8, sedangkan sisanya sebesar 58,2 dijelaskan
oleh variabel-variabel lain di luar model penelitian.
Tabel 4.5 Hasil Uji Koefisien Determinasi
Model Summary Step
-2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 7.253
a
.029 .418
a. Estimation terminated at iteration number 20
because maximum iterations has been reached. Final solution cannot be found.
Universitas Sumatera Utara
4.
Uji Multikolinearitas
Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Pengujian multikolinearitas menggunakan matrik
korelasi antar variabel bebas untuk melihat besarnya korelasi antar variabel independen di dalam penelitian ini kualitas audit, kondisi keuangan perusahaan,
opini audit tahun sebelumnya, pertumbuhan perusahaan dan ukuran perusahaan. Tabel 4.6 menunjukkan korelasi antar variabel independen di dalam penelitian
ini. Matrik korelasi diatas menunjukkan tidak adanya gejala multikolinearitas yang serius antar variabel bebas, sebagaimana terlihat dari nilai korelasi antar
variabel bebas masih jauh di bawah 0,8.
Tabel 4.6
Correlation Matrix
Constant KUALITAS
_AUDIT Z_SCORE
OPINI_AUDI T_SEBELUM
NYA PERTUM
BUHAN_ PERUSA
HAAN SIZE
Step 1 Constant 1.000
.000 .000
-.989 .000
.000 KUALITAS_AUDI
T .000
1.000 .000
-.149 .000
.000 Z_SCORE
.000 .000
1.000 .000
.020 .553
OPINI_AUDIT_SE BELUMNYA
-.989 -.149
.000 1.000
.000 .000
PERTUMBUHAN_ PERUSAHAAN
.000 .000
.020 .000
1.000 -.043
SIZE .000
.000 .553
.000 -.043
1.000
5.
Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini going concern oleh perusahaan
.
Universitas Sumatera Utara
Tabel 4.7
Classification Table
a,b
Observed Predicted
OPINI_AUDIT_GOING_CON CERN
Percentage Correct
1 Step 0
OPINI_AUDIT_GOING_CON CERN
1 .0
1 170
100.0 Overall Percentage
99.4 a. Constant is included in the model.
b. The cut value is ,500
Tabel 4.7 di atas menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit concern pada 100 dapat
dilihat dari total 171 sampel yang menerima opini audit going concern 170 di antaranya layak untuk mendapatkan opini audit going concern berdasarkan
prediksi model regresi. Kekuatan model prediksi untuk penerima opini audit non going concern adalah sebesar 99.4 yang berarti bahwa dengan model regresi
yang diajukan sebanyak 170 sampel yang diprediksi akan menerima opini audit non going concern dari total 1sampel yang menerima opini audit non going
concern.Secara keseluruhan model regresi ini dapat mempredikasi penerimaan opini audit going concern dan opini audit non going concern dengan kekuatan
prediksi sebesar 99.4.
6.
Pengujian Hipotesis Regresi Logistik
Pengujian hipotesis dalam penelitian ini untuk menguji pengaruh variabel- variabel bebas yaitu kualitas audit, kondisi keuangan perusahaan, opini audit
tahun sebelumnya, pertumbuhan perusahaan dan ukuran perusahaan terhadap opini audit going Concern dengan menggunakan hasil uji regresi yang
ditunjukkan dalam variabel in the equation. Dalam uji hipotesis dengan regresi
Universitas Sumatera Utara
logistik cukup dengan melihat variables in the equation, pada kolom significant dibandingkan dengan tingkat kealphaan 0.05 5. Apabila tingkat signifikansi
0.05, maka variabel independen berpengaruh terhadap variabel dependen dan sebaliknya apabila tingkat signifikansi 0.05, maka variabel independen tidak
berpengaruh terhadap variabel dependen.
Tabel 4.8
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
95,0 C.I.for EXPB
Lower Upper
Step 1
a
KUALITAS_AUDIT -16.560
4.2783 .000
1 .047
.000 .000
. Z_SCORE
-.247 .638
.150 1
.699 .781
.224 2.727
OPINI_AUDIT_SEBELUMNYA -1.240 2.866E4 .000
1 1.000
.289 .000
. PERTUMBUHAN_PERUSAHA
AN -.031
.021 2.211
1 .137
.970 .931
1.010 SIZE
.696 1.164
.358 1
.550 2.06
.205 19.631
Constant 14.730 2.834E4
.000 1
1.000 2.4966
a. Variables entered on step 1: KUALITAS_AUDIT, Z_SCORE, OPINI_AUDIT_SEBELUMNYA, PERTUMBUHAN_PERUSAHAAN, SIZE.
Tabel 4.8 menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikasi 5 persen. Dari pengujian dengan regresi logistik diatas maka diperoleh
persamaan regresi logistik sebagai berikut :
OPINI = 14.730 – 16.560 AUDIT-2.47 Z SCORE – 1.240 OPINI – 0.31SALES + 0.696 SIZE + e
Berdasarkan tabel 4.10, diperoleh hasil kualitas audit memiliki koefisien - 16.560 dengan tingkat signifikansi 0.047 p 0,05. Dari hasil tersebut dapat
disimpulkan bahwa kualitas audit berpengaruh signifikan terhadap opini going
Universitas Sumatera Utara
concern. Hal ini berarti hipotesis yang menyatakan bahwa perusahaan dengan kualitas audit yang buruk berpengaruh negatif terhadap penerimaan opini going
concern diterima. Financial distress Z-Score memiliki koefisien -2.47 dengan tingkat
signifikansi 0.699 p 0,05. Dari hasil tersebut dapat disimpulkan bahwa financial distress tidak berpengaruh signifikan terhadap opini going concern. Hal
ini berarti hipotesis yang menyatakan bahwa perusahaan dengan nilai financial distress yang rendah berpengaruh negatif terhadap penerimaan opini going
concern ditolak. Opini audit sebelumnya memiliki koefisien -
1.240
dengan tingkat signifikansi 1.00 p 0,05. Dari hasil tersebut dapat disimpulkan bahwa opini audit tahun
sebelumnya tidak berpengaruh signifikan terhadap opini going concern. Hal ini berarti hipotesis yang menyatakan bahwa perusahaan dengan opini audit
sebelumnya yang buruk berpengaruh negatif terhadap penerimaan opini going concern ditolak.
Pertumbuhan perusahaan memiliki koefisien -
0.31
dengan tingkat signifikansi 0.137 p 0,05. Dari hasil tersebut dapat disimpulkan bahwa pertumbuhan
perusahaan dalam hal ini pertumbuhan penjulan tidak berpengaruh signifikan terhadap opini going concern. Hal ini berarti hipotesis yang menyatakan bahwa
perusahaan dengan pertumbuhan penjulan yang buruk berpengaruh negatif terhadap penerimaan opini going concern ditolak.
Ukuran perusahan SIZE memiliki koefisien 0.696 dengan tingkat
signifikansi 0.550p 0,05. Dari hasil tersebut dapat disimpulkan bahwa ukuran
Universitas Sumatera Utara
perusahaan Ln Aktiva tidak berpengaruh signifikan terhadap opini going concern. Hal ini berarti hipotesis yang menyatakan bahwa perusahaan dengan
ukuran perusahaan yang besar berpengaruh positif terhadap penerimaan opini going concern ditolak.
C. Pembahasan Hasil Penelitian