Tabel 3.3 Defenisi Operasional dan Pengukuran Variabel Lanjutan
Dependen Opini audit
going concern
Opini yang dikeluarkan auditor
untuk memastikan apakah perusahaan
dapat mempertahankan
kelangsungan hidupnya.
1, jika opini audit going
concern 0, jika opini
audit non going concern
Nomi nal
E. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah uji asumsi klasik, uji nonparametrik Wilcoxon dan metode regresi logistik dengan
menggunakan software statistik SPSS.
1. Pengujian Data
a. Uji Asumsi Klasik
Uji asumsi klasik dilakukan sebelum melakukan analisis regresi, karena uji asumsi klasik bertujuan untuk mengetahui hubungan antar variabel
dalam data. Pengujian asumsi klasik dilakukan dengan uji multikolinearitas dan uji autokorelasi. Regresi logistik tidak memerlukan pengujian normalitas
data sebab variabel independennya merupakan campuran antara variabel kontinyu metrik dan kategorial non-metrik sehingga tidak berdistribusi
normal Ghozali, 2006:225. Regresi logistik juga mengabaikan uji Heterokedastisitas karena variabel dependen tidak memerlukan
homokedastisitas untuk variabel independennya Gujarati,2003.
Universitas Sumatera Utara
1 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen Gozali, 2006:91.
Model Regresi yang baik adalah tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Jika variabel independen saling berkolerasi,
maka variabel ini tidak orthogonal. Variabel-variabel yang bersifat ortogonal adalah variabel yang memiliki nilai korelasi diantaranya sama
dengan nol. Untuk melihat apakah ada kolinearitas dalam penelitian ini, maka akan dilihat dari nilai tolerance dan Variance Inflation Factor VIF.
Jika nilai VIF 10 maka dapat dikatakan terjadi multikolinearitas, yaitu terjadi hubungan yang cukup besar antara variabel-variabel bebas. Jika
angka tolerance mempunyai angka 0,10, maka variabel tersebut tidak mempunyai masalah multikolinearitas dengan variabel bebas lainnya,
koefisien variabel independent harus lemah dibawah 0,05. 2
Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model
regresi linear ada korelasi hubungan di antara kesalahan pengganggu pada periode tsaat ini dengan kesalahan pengganggu pada periode t-1
sebelumnya Ghozali, 2006:95. Hal ini sering ditemukan pada data time series
karena gangguan pada seseorangkelompok, cenderung mempengaruhi ganguan pada individu kelompok pada periode
berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mengetahui apakah terjadi autokorelasi dalam suatu
Universitas Sumatera Utara
model regresi, digunakan run test. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau
random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak Ghozali, 2006:103. Bila hasil output spss
menunjukkan probabilitas signifikansi dibawah 0,05 disimpulkan terdapat gejala autokorelasi pada model regresi tersebut.
b. Menilai Model Fit dan Keseluruhan Model Overall Model Fit
Statistik yang digunakan berdasarkan pada fungsi Likelihood. Likelihood L dari model adalah probabilitas bahwa model yang
dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan hipotesis alternatif, L ditransformasikan menjadi -2LogL. Log
Likelihood pada regresi logistik mirip dengan pengertian Sum of Square Error pada model regresi, sehingga penurunan Log Likelihood
menunjukkan model regresi yang semakin baik.
c. Menilai Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Model ini untuk menguji hipotesis nol
bahwa data empiris sesuai dengan model tidak ada perbedaaan antara model dengan data sehingga model dapat dikatakan fit. Hipotesis untuk
menilai kelayakan model regresi adalah :
Universitas Sumatera Utara
H0 : Tidak ada perbedaan antara model dengan data Ha : Ada perbedaan antara model dengan data
Jika nilai statistik Hosmer and Lemeshow’s goodness of Fit Test sama dengan atau kurang dari 0,05 maka hipotesis nol ditolak. Jika nilai
statistik Hosmer and Lemeshow Goodness of fit lebih besar dari pada 0,05 maka hipotesis nol tidak dapat ditolak dan berarti model mampu
memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena sesuai dengan data observasinya Ghozali, 2006.
2. Pengujian Nonparametrik
