67
1. Definisi Regresi Logistik
Regresi logistik adalah bentuk khusus dimana variabel dependennya terbagi menjadi dua bagian atau kelompok biner. Walaupun formulanya
dapat saja lebih dari dua kelompok. Regresi logistik adalah regresi yang digunakan untuk mencari
persamaan regresi jika variabel dependennya merupakan variabel yang berbentuk skala. Regresi logistik binari adalah regresi logistik dimana
variabel dependenya berupa variabel dikotomi atau variabel biner. Contoh: Variabel dikotomi atau variabel biner adalah sukses
– gagal, ya – tidak, benar
– salah, hadir – bolos, pria – wanita dan seterusnya.
2. Tahapan Regresi Logistik
Tahapan dalam pengujian dengan menggunakan uji regresi logistik logistic regression adalah statistik deskriptif dan pengujian hipotesis
penelitian, adapun penjelasannya diuraikan dalam paragraf di bawah ini:
a. Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan deskripsi suatu data yang dilihat dari rata-rata mean, standar deviasi standard
deviation, dan maksimum-minimum. Mean digunakan untuk memperkirakan besar rata-rata populasi yang diperkirakan dari sampel.
Standar deviasi digunakan untuk menilai dispersi rata-rata dari sampel. Maksimum-minimum digunakan untuk melihat nilai minimum dan
maksimum dari populasi. Hal ini perlu dilakukan untuk melihat
68 gambaran keseluruhan dari sampel yang berhasil dikumpulkan dan
memenuhi syarat untuk dijadikan sampel penelitian.
b. Pengujian Hipotesis Penelitian
Estimasi parameter
menggunakan Maximum
Likehood Estimation MLE.
H
o
= β
1
= β
2
= β
3
= ... = β
i
= 0 H
o
≠ β
1
≠ β
2
≠ β
3
≠ ... ≠ β
i
≠ 0 Hipotesis nol menyatakan bahwa variabel independen x tidak
mempunyai pengaruh terhadap variabel respon yang diperhatikan dalam populasi. Pengujian terhadap hipotesis dilakukan dengan
menggunakan α = 5. Nilai α dinyatakan sebagai besarnya tingkat kesalahan yang dapat ditolerir. Umumnya, besarnya α adalah 5.
Kaidah pengambilan keputusan adalah: a
Jika nilai probabilitas sig. α = 5, maka hipotesis alternatif didukung.
b Jika nilai probabilitas sig. α = 5, maka hipotesis alternatif
tidak didukung.
1 Menilai Keseluruhan Model Overall Model Fit.
Langkah pertama adalah menilai overall model fit terhadap data. Beberapa uji statistik diberikan untuk menilai hal ini.
Hipotesis untuk menilai model fit adalah: H
: Model yang dihipotesiskan fit dengan data H
a
: Model yang dihipotesiskan tidak fit dengan data
69 Hipotesis ini tidak akan menolak hipotesis nol agar model fit
dengan data. Statistik yang digunakan berdasarkan pada fungsi likelihood. Log Likelihood dari model adalah probabilitas bahwa
model yang dihipotesiskan menggambarkan data input. Pengujian hipotesis nol dan alternatif dilakukan dengan
cara L
ditransformasikan menjadi -2LogL. Penurunan Likelihood -2LL menunjukkan model regresi yang lebih baik atau dengan kata lain
model yang dihipotesiskan fit dengan data Ghozali, 2012:340.
2 Koefisien Determinasi Nagelkerke R Square
Cox and Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1
satu sehingga sulit diinterpretasikan. Nagelkerke’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
2
dengan nilai maksimumnya. Nilai Nagelkerke’s R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Nilai yang kecil berarti kemampuan variabel-variabel independen dalam
menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan
hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2012:341.
70
3 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 tidak ada perbedaan
antara model dengan data sehingga model dapat dikatakan fit. Jika nilai statistik
Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang
berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model
tidak dapat memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari
0,05, maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan
model dapat diterima karena cocok dengan data observasinya Ghozali, 2012:341.
4 Uji Multikolinieritas
Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebasnya. Jika variabel saling berkorelasi, maka
variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel
independen sama dengan nol. Pengujian ini menggunakan matrik korelasi antar variabel bebas untuk melihat besarnya korelasi antar
71 variabel independen. Jika antar variabel independen ada korelasi
yang cukup tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi adanya multikolinearitas Ghozali, 2012:105.
5 Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi. Tahap ini dilakukan untuk memprediksi
kemungkinan Integritas laporan keuangan pada perusahaan Ghozali, 2011:276.
c. Model Regresi Logistik yang Terbentuk
Analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik logistic regression, yaitu dengan melihat faktor-faktor
yang mempengaruhi integritas laporan keuangan. Model yang digunakan dalam penelitian ini adalah sebagai berikut:
Logit KSVT
it
= β + β
1
INST
it
+ β
2
MNJ
it
+ β
3
KOMAUD
it
+ β
4
KOMIND
it
+ β
5
TEN
it
+ β
6
REP
it
+ β
7
SIZE
it
+ € Dimana:
Logit KSVT
it
: Konservatisme yang diukur dengan menggunakan variable dummy dan diberi nilai 1 jika Acr Disc negatif
dan nilai 0 jika Acr Disc positif β0
: Konstanta INST
it
: Persentase kepemilikan saham oleh institusi. MNJ
it
: Persentase kepemilikan saham oleh manajemen. KOMAUD
it
: Jumlah anggota komite audit perusahaan.
72 KOMIND
it
: Proporsi komisaris independen terhadap keseluruhan jumlah dewan komisaris perusahaan.
TEN
it
: Tenur audit menggunakan variabel dummy, tenur lama 3 tahun atau lebih diberi angka 1 dan tenur singkat
kurang dari 3 tahun diberi angka 0 REP
it
: Reputasi auditor yang diukur dengan menggunakan variable dummy dan diberi nilai 1 jika KAP merupakan
KAP big four dan nilai 0 jika sebaliknya SIZE
it
: Ukuran perusahaan diukur dengan menggunakan variable dummy dan diberi nilai 1 jika jumlah saham
yang beredar lebih dari 100 milyar rupiah dan nilai 0 jika sebaliknya
€ : error
E. Operasionalisasi Variabel Penelitian
Pada bagian ini diuraikan definisi dari masing-masing variabel yang digunakan berikut dengan operasional dan cara pengukurannya.
1. Variabel dependen