BOARDSIZE Ukuran dewan
BIGFOUR Variabel dummy perusahaan yang menggunakan
auditor eksternal Big Four diberi nilai 1, dan 0 untuk sebaliknya
BUSSEGMENT Kompleksitas
FINREP Risiko pelaporan keuangan
α Konstanta
ß Koefisien regresi
e Kesalahan residual
Regresi logistik adalah statistika yang dapat digunakan untuk memprediksi probabilitas suatu kejadian peristiwa yang memiliki model linier
umum untuk regresi binomial. Regresi logistik merupakan suatu alternatif untuk membandingkan analisis diskriminan ketika variabel bebasnya memiliki 2
kategori. Dalam penentuan signifikansi secara statistik berbeda dengan penentuan signifikansi pada regresi berganda. Dalam model regresi logistik, terdapat tahapan
yang perlu diperhatikan dari model output SPSS. Tahapan-tahapan dalam model regresi logistik adalah sebagai berikut.
3.5.2.1 Uji Kelayakan Keseluruhan Model Overall Fit Model
Uji kelayakan keseluruhan model digunakan berdasarkan pada fungsi likelihood pada estimasi dalam model regresi. Likelihood ditunjukkan dalam
probabilitas model yang dihipotesiskan dan menggambarkan data yang telah
diinput. Likelihood akan ditransformasikan menjadi -2LL -2LogLikelihood. Cara penilaian overall model fit adalah dengan membandingkan nilai -2LL awal
block number = 0 dengan nilai -2LL akhir block number = 1. Apabila terjadi penurunan nilai - 2LL Block Number 0 terhadap nilai
2LL Block Number =1, maka akan menunjukkan model regresi yang baik. Log Likehood
pada logistic regresion hampir mirip dengan “Sum of Square Error”
pada model regresi berganda, sehingga apabila terjadi penurunan Log Likehood akan menunjukkan model yang semakin baik.
Hipotesis yang digunakan untuk menilai model fit dalam regresi logistik adalah sebagai berikut Ghozali, 2011 :
H0 : Model yang dihipotesiskan fit dengan data HA: Model yang dihipotesiskan tidak fit dengan data
3.5.2.2 Uji Kelayakan Model Regresi Goodness of Fit Test
Penilaian dalam uji kelayakan model regresi logistik dapat dilihat dari pengujian Hosmer
and Lemeshow’s Goodness of Fit Test yang keluar dari ouput SPSS. Pengujian goodness of fit test dilakukan dengan tujuan untuk menilai model
yang dihipotesiskan sehingga data empiris cocok atau sesuai dengan model. H0 : Tidak ada perbedaan model dengan data
Ha : Terdapat perbedaan model dengan data Jika nilai probabilitas yang ditunjukan dengan nilai signifikansi pada uji
Hosmer and Lomeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05 maka hipotesis nol ditolak, yang berarti bahwa terdapat perbedaan antara
model dengan nilai observasinya. Apabila nilai Hosmer and Lomeshow’s
Goodness of Fit Test lebih besar dari 0,05 maka hipotesis nol diterima dan tidak
dapat ditolak. Hal tersebut menunjukan bahwa model mampu memprediksi nilai observasinya atau dapat dikatakan model diterima karena sesuai dengan data
observasinya Ghozali, 2011.
3.5.2.3 Koefisien Determinasi R
