76
Adanya penurunan nilai antara -2LL awal initial-2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir
menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006: 233. Penurunan nilai -2 log likelihood menunjukkan
bahwa model penelitian ini dinyatakan fit, artinya penambahan- penambahan variabel bebas yaitu profitabilitas ROA, ukuran
perusahaan, tingkat leverage DER, kualitas kantor akuntan publik KAP, kompleksitas operasi perusahaan, likuiditas CR, umur
perusahaan, dan auditor switching ke dalam model penelitian akan memperbaiki model fit dalam penelitian ini.
4.2.3.3 Koefisien Determinasi
Nagelkerke R Square
Dalam regresi logistik, dapat digunakan statistik Nagelkerke’s
�
� 2
untuk mengukur kemampuan model regresi logistik dalam mencocokkan atau menyesuaikan data. Dengan kata lain, nilai
statistik dari Nagelkerke’s �
� 2
dapat diinterpretasikan sebagai suatu nilai yang mengukur kemampuan variabel-variabel independen
dalam menjelaskan atau menerangkan variabel dependen. Tabel 4.11 menyajikan nilai statistik dari Nagelkerke’s
�
� 2
.
Tabel 4.11 Nagelkerke R Square
Sumber: output SPSS, diolah peneliti, 2015
77
Berdasarkan tabel 4.11 diatas, nilai statistik Nagelkerke R Square 0,458. Nilai tersebut diinterpretasikan sebagai kemampuan
variabel profitabilitas ROA, ukuran perusahaan, tingkat leverage DER, kualitas kantor akuntan publik KAP, kompleksitas operasi
perusahaan, likuiditas CR, umur perusahaan, dan auditor switching dalam mempengaruhi ketepatan waktu timeliness pelaporan
keuangan sebesar 45,8, sisanya 54,2 dijelaskan oleh variabel- variabelfaktor-faktor lain.
4.2.3.4 Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan ketepatan waktu
timeliness pelaporan keuangan pada perusahaan go public sektor industri barang konsumsi.
Tabel 4.12 Classification Table
Sumber: output SPSS, diolah peneliti, 2015
Berdasarkan tabel 4.12 diatas, menunjukkan perusahaan yang tidak tepat waktu sebanyak 25 perusahaan. Dari 25 perusahaan
tersebut, diprediksi 17 68 perusahaan tidak tepat waktu, sedangkan 8 perusahaan diprediksi tepat waktu. Diketahui
perusahaan yang tepat waktu sebanyak 41 perusahaan. Dari 41
78
perusahaan tersebut, diprediksi 33 80,5 perusahaan tepat waktu, sedangkan 8 perusahaan diprediksi tidak tepat waktu.
Keakuratan prediksi secara menyeluruh sebesar 75.8. Tingginya persentase
ketepatan pada tabel klasifikasi tersebut mendukung tidak adanya perbedaan yang signifikan terhadap data hasil prediksi dan data
observasinya yang menunjukkan sebagai model regresilogistik yang baik.
4.2.4 Pengujian Hipotesis
