Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant CACL
TLTA KA
OTS Step 1 1
47.098 -1.787
-.008 .462
.319 2.743
2 40.812
-2.736 -.025
1.163 .640
3.491 3
39.016 -3.324
-.072 1.703
.886 3.965
4 38.684
-3.430 -.145
1.851 1.001
4.199 5
38.679 -3.470
-.150 1.884
1.016 4.250
6 38.679
-3.470 -.150
1.884 1.016
4.251 a. Method: Enter
b. Constant is included in the model. d. Estimation terminated at iteration number 6 because parameter estimates
changed by less than .001.
Tabel 4.8 menunjukkan bahwa -2LogL awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada step 2
memperoleh nilai sebesar 92.367. Kemudian pada tabel 4.9 dapat dilihat bahwa setelah masuknya variabel independen pada model nilai -2LogL akhir pada step
5 menunjukkan nilai 38.679. Selisih antara nilai -2LogL awal dengan nilai -2LogL akhir adalah
sebesar 53.688 92.367-38.679. Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL akhir menunjukkan bahwa model yang dihipotesiskan fit
dengan data.
4.4.2 Menilai Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test yang diukur
dengan nilai Chi-Square. Probabilitas signifikansi yang diperoleh kemudian
Universitas Sumatera Utara
dibandingkan dengan tingkat signifikansi α 5. Hipotesis untuk menilai
kelayakan model regresi adalah : Ho : Tidak ada perbedaan antara model dengan data
Ha : Ada perbedaan antara model dengan data
Tabel 4.10 Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 5.586
8 .693
Tabel 4.10 menunjukkan hasil pengujian Hosmer and Lemeshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 0.693. Nilai
signifikansi yang diperoleh lebih besar dari α tingkat signifikansi 0,05. 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, atau dapat dikatakan model mampu memprediksi nilai observasinya.
Tabel 4.11 Contingency Table for Hosmer and Lemeshow Test
Opini Audit Going Concern GCAO = .00
Opini Audit Going Concern GCAO = 1.00
Total Observed
Expected Observed
Expected Step 1 1
7 6.788
.212 7
2 7
6.427 .573
7 3
6 6.074
1 .926
7 4
4 4.496
3 2.504
7 5
1 1.749
6 5.251
7
Universitas Sumatera Utara
6 .651
7 6.349
7 7
1 .398
6 6.602
7 8
1 .252
6 6.748
7 9
.147 7
6.853 7
10 .018
6 5.982
6
Berdasarkan tabel 4.11 Kontinjensi untuk uji Hosmer and Lameshow, dapat dilihat bahwa dari sepuluh langkah pengamatan untuk pemberian opini
audit going concern 1 maupun opini audit non going concern 0, baik nilai yang diamati observed maupun yang diprediksi expected, tidak mempunyai
perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan mampu memprediksi nilai observasinya.
4.4.3 Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas
variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat
diinterpretasikan seperti nilai R Square pada regresi berganda Ghozali, 2006.
Tabel 4.12 Nagerkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square 1
38.679
a
.541 .733
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.
Sumber : Data sekunder yang telah diolah di SPSS 20
Universitas Sumatera Utara
Tabel di atas menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data, nilai Nagelkerke R Square adalah sebesar 0,733 yang
berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 73,3, sisanya sebesar 26,7 100 - 73,3
dijelaskan variabilitas variabel-variabel lain di luar model penelitian.
4.4.4 Matriks Klasifikasi