Tabel 4.13. Nilai -2 Log Likelihood -2 LL akhir
Block 1: Method = Enter
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant Iklim_kelompok_k
erja Step 1
1 15.253
-3.390 .070
2 11.146
-10.454 .178
3 9.989
-16.589 .272
4 9.833
-19.319 .315
5 9.828
-19.877 .324
6 9.828
-19.899 .324
7 9.828
-19.899 .324
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 14,831 d. Estimation terminated at iteration number 7 because parameter
estimates changed by less than ,001.
Dari Tabel 4.12. dan Tabel 4.13. dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan konstanta yang dapat
dilihat pada step 5, memperoleh nilai sebesar 14,831. Kemudian pada tabel selanjutnya dapat dilihat Nilai -2 Log Likelihood -2 LL akhir dengan block number
= 1. Nilai -2 log likelihood pada Tabel 4.12. mengalami perubahan sehingga menyebabkan Nilai -2 Log Likelihood -2 LL akhir pada step 7 menunjukkan nilai
9,828 yang dapat dilihat pada Tabel 4.13. Selisih antara nilai -2LL awal dengan nilai -2LL akhir adalah sebesar 5,003.
Adanya pengurangan nilai antara -2LL awal initial -2LL function dengan nilai - 2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang
dihipotesiskan fit dengan data. Penurunan nilai -2 log likelihood menunjukkan bahwa
Universitas Sumatera Utara
model penelitian ini dinyatakan fit, artinya penambahan-penambahan pada variabel bebas ke dalam model penelitian akan memperbaiki model fit penelitian ini.
4.2.3.2
Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur dengan nilai chi square pada bagian bawah
uji hosmer and lemeshow.
Tabel 4.14.
Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 4.803
7 .684
Tabel 4.14. menunjukkan hasil pengujian Hosmer and Lemeshow. Hosmer dan Lemeshow test berbeda dengan uji kelayakan diatas. Uji ini adalah untuk melihat
apakah data empiris cocok atau tidak dengan data empiris dengan model. Model akan dinyatakan layak jika signifikansi diatas 0,05 atau -2Log Likehood di bawah Chi
Square Tabel Situmorang,et,al 2008 : 214. Dari hasil output diatas menunjukkan probabilitas signifikansi menunjukkan angka 0,684 berarti nilai signifikansi yang
diperoleh lebih besar dari 0,05 maka Ho tidak dapat ditolak diterima. 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.
Universitas Sumatera Utara
Tabel 4.15.
Contingency Table for Hosmer and Lemeshow Test
Tingkat_penjualan = ,00 Tidak Tercapai
Tingkat_penjualan = 1,00 Tercapai
Total Observed
Expected Observed
Expected Step
1 1
1 1.296
2 1.704
3 2
.197 3
2.803 3
3 1
.173 3
3.827 4
4 .158
5 4.842
5 5
.046 2
1.954 2
6 .067
4 3.933
4 7
.048 5
4.952 5
8 .014
3 2.986
3 9
.001 2
1.999 2
Sumber: Data primer 2013 diolah
Dari tabel kontijensi untuk uji hosmer and lemeshow, dapat dilihat bahwa dari langkah-langkah pengamatan untuk tingkat penjualan = 1,00 tercapai
maupun tingkat penjualan = 0,00 tidak tercapai, nilai yang diamati Observed maupun nilai yang diprediksi Expected, tidak mempunyai perbedaan yang
terlalu ekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya.
4.2.3.3 Hasil Pengujian Hipotesis
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh dari variabel bebas terhadap opini audit. Pengujian dengan regresi logistik
ditunjukkan dalam tabel-tabel berikut ini.
Universitas Sumatera Utara
Tabel 4.16. Ikhtisar Pengolahan Data
Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
31 100.0
Missing Cases .0
Total 31
100.0 Unselected Cases
.0 Total
31 100.0
a. If weight is in effect, see classification table for the total number of cases.
Berdasarkan Tabel 4.16. diatas kita dapat diambil analisis sebagai berikut : a. Jumlah sampel pengamatan sebanyak 31 sampel, dan seluruh sampel telah
diperhitungkan ke dalam pengujian hipotesis, b. Tidak ada variabel dependen yang dikeluarkan dengan nilai dummy variabel.
Untuk variabel dependen bernilai 0 untuk tidak tercapai dan bernilai 1 untuk tercapai, c. Metode yang digunakan untuk memasukkan data adalah metode ENTER dimana
apabila menggunakan metode ini seluruh variabel bebas independen disertakan dalam pengolahan analisis data untuk mengetahui variabel mana yang berpengaruh
terhadap variabel dependen. Selanjutnya variabilitas antara variabel dependen dengan variabel independen
dapat dilihat pada Tabel 4.17 berikut ini.
Universitas Sumatera Utara
Tabel 4.17.
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 9.828
a
.149 .392
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
Berdasarkan Tabel 4.17. diatas, maka dapat dilihat bahwa hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox Snell R Square sebesar
0,149. Cox Snell R Square merupakan ukuran yang mencoba meniru ukuran seperti halnya R
2
pada OLS regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari satu, sehingga sulit untuk
diinterpretasikan. Nagelerke’s R square merupakan modifikasi dari koefisien Cox dan Snell.
Untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu hal ini dilakukan dengan cara membagi nilai Cox dan Snell’s R square dengan nilai
maksimumnya. Nilai Nagelerke R
2
dapat diinterpretasikan seperti nilai R
2
pada OLS regression. Dilihat dari hasil output pengolahan data nilai Nagalerke R Square
adalah sebesar 0,392 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 39,2 dan sisanya sebesar 60,8
adalah diluar model.
Universitas Sumatera Utara
Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan peningkatan penjualan.
Tabel 4.18.
