ANALISIS DATA

G. ANALISIS DATA

Alat analisa yang digunakan dalam penelitian ini adalah model regresi logistik (logistic regression) untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Model persamaan regresi yang diformulasikan sebagai berikut :

Ln

─── = b o+ b 1 X 1+ b 2 X 2 + ……..+ b k Xk

1-P

Keterangan: P = Probabilitas Kualitas Audit

X 1 = Auditor tenure

X 2 = Auditor Spesialisasi Industri

b = Koefisien Regresi

Sehingga hasil logistic regression dapat ditulis sebagai berikut: P

Ln

─── = -3.565 + 0.567AT + 2,085 AIS

1-P

1. Model Goodness of Fit Model goodness of fit digunakan untuk menilai overall fit model terhadap data. Tes pengujian hipotesis adalah sebagai berikut:

H 0 = diterima jika nilai hosmer and lemeshow test dengan p-value ≥ 0,05. yang berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data.

H 1 = ditolak jika nilai hosmer and lemeshow test dengan p-value < 0,05, yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya.

Hasil hosmer and lemeshow test goodness of fit dari regresi logistik dapat dilihat pada tabel berikut: Tabel 4.1. Tabel Goodness of Fit Hosmer and Lemeshow Test

df Sig.

Sumber: Hasil data yang diolah

Tabel di atas menunjukkan bahwa nilai chi-square hitung sebesar 11,319 dengan p-value sebesar 0.079 > 0,05 (α), hal ini menunjukkan bahwa Ho tidak dapat ditolak dan model fit dengan data atau dapat disimpulkan bahwa

model dapat diterima.

2. Cox & Snell’s R Square dan Negelkerke R Square Cox & Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R² pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 (satu) sehingga sulit diiterpretasikan. Sedangkan Negelkerke R Square merupakan modifikasi dari dari koefisien Cox & Snell’s untuk memastikan bahwa nilainya dari nol sampai satu. dapat diinterpretasikan seperti nilai R² pada mutiple regression. Hasil dari SPSS dapat dilihat pada tabel berikut:

Tabel 4.2 Cox & Snell R square and Negelkerke R square

-2 Log likelihood

Cox & Snell

R Square

Nagelkerke R Square

Sumber: Hasil data yang diolah

Dilihat pada tabel 4.2 di atas nilai cox & snell R square sebesar 0.266 dan nilai Nagelkerke R square sebesar 0.357 yang berarti variabel dependen (Kualitas Audit) yang dapat dijelaskan oleh variabel independen (Auditor Tenure dan Auditor Industry Spesialization) sebesar 35,70% sedangkan sisanya sebesar 54,30% dipengaruhi oleh variabel lain yang tidak diteliti.

3. Klasifikasi Tabel Tabel klasifikasi 2 x 2 menghitung nilai estimasi yang benar (correct) dan salah (incorrect). Pada kolom merupakan dua nilai prediksi dari variabel dependen ( kualitas audit ) dan dalam hal ini Big Four (1) dan non Big Four (0). Pada model yang sempurna maka semua kasus akan berada pada diagonal dengan tingkat ketepatan peramalan 100%. Hasil SPSS dapat dilihat pada tabel dibawah ini:

Tabel 4.3 Klasifikasi Tabel.

Overall Percentage

Step 1

KA

Percentage Correct

Predicted

Sumber: Hasil data yang diolah

Tabel 4.3 menunjukkan bahwa pada kolom, predikisi KA non Big Four (0) ada 46 perusahaan sedangkan pada baris observasi sesungguhnya yang KA non Big Four hanya 32 perusahaan, jadi ketepatan klasifikasi adalah 69,6% (32/46). Sedangkan kita memprediksi KA Big Four (1) ada 62 perusahaan dan hasil observasi 45 perusahaan jadi ketepatan klasifikasi 72,6% (45/62). Secara keseluruhan ketepatan model klasifikasi adalah 71,3%.

4. Estimasi Parameter (uji hipotesis). Estimasi maksimum likehood parameter dari model dapat dilihat pada tampilan output variable in equition Logistic regression dapat dinyatakan sebagai berikut:

Variables in the Equation

AT AIS Constant

Step 1 a

B S.E.

Wald

df Sig.

Exp(B) Lower Upper

95.0% C.I.for EXP(B)

a. Variable(s) entered on step 1: AT, AIS.