probabilitas signifikansi di atas 0.05 maka disimpulkan model regresi tidak memiliki gejala autokorelasi dan residualnya adalah acak.
Tabel 4.7 Runs Test
Unstandardized Residual
Test Value
a
.02213 Cases Test Value
34 Cases = Test Value
35 Total Cases
69 Number of Runs
39 Z
.851 Asymp. Sig. 2-tailed
.395 a. Median
Dari tabel 4.7 Runs Test dapat dilihat nilai tes Test Value sebesar 0,02213 dengan Asymptotic Significance dua sisi sebesar 0,395 atau
probabilitas diatas 0,05. Hal ini berarti H0 diterima atau tidak terjadi autokorelasi pada model regresi dan residualnya random acak.
4.4 Pengujian Model 4.4.1 Menilai Model Fit dan Keseluruhan Model
Uji ini digunakan untuk menilai model yang telah dihipotesakan telah fit atau tidak dengan data. Pengujian dilakukan dengan hipotesis :
H0 : Model yang dihipotesiskan fit dengan data Ha: Model yang dihipotesiskan tidak fit dengan data
Pengujian dilakukan dengan membandingkan nilai antara - 2Log Likelihood
pada awal block number = 0 dengan nilai -2Log Likelihood pada
Universitas Sumatera Utara
akhir block number = 1. Nilai -2 Log Likelihood awal pada block number = 0, ditunjukkan melalui tabel berikut :
Tabel 4.8 Likelihood Block 0
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1 92.368
.435 2
92.367 .442
3 92.367
.442 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 92.367 c. Estimation terminated at iteration number 3 because
parameter estimates changed by less than .001.
Nilai -2LogL akhir pada block number = 1, dapat ditunjukkan melalui tabel berikut :
Tabel 4.9 Likelihood Block 1
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant CACL
TLTA KA
OTS Step 1 1
47.098 -1.787
-.008 .462
.319 2.743
2 40.812
-2.736 -.025
1.163 .640
3.491 3
39.016 -3.324
-.072 1.703
.886 3.965
4 38.684
-3.430 -.145
1.851 1.001
4.199 5
38.679 -3.470
-.150 1.884
1.016 4.250
6 38.679
-3.470 -.150
1.884 1.016
4.251 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 92.367
Universitas Sumatera Utara
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant CACL
TLTA KA
OTS Step 1 1
47.098 -1.787
-.008 .462
.319 2.743
2 40.812
-2.736 -.025
1.163 .640
3.491 3
39.016 -3.324
-.072 1.703
.886 3.965
4 38.684
-3.430 -.145
1.851 1.001
4.199 5
38.679 -3.470
-.150 1.884
1.016 4.250
6 38.679
-3.470 -.150
1.884 1.016
4.251 a. Method: Enter
b. Constant is included in the model. d. Estimation terminated at iteration number 6 because parameter estimates
changed by less than .001.
Tabel 4.8 menunjukkan bahwa -2LogL awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada step 2
memperoleh nilai sebesar 92.367. Kemudian pada tabel 4.9 dapat dilihat bahwa setelah masuknya variabel independen pada model nilai -2LogL akhir pada step
5 menunjukkan nilai 38.679. Selisih antara nilai -2LogL awal dengan nilai -2LogL akhir adalah
sebesar 53.688 92.367-38.679. Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL akhir menunjukkan bahwa model yang dihipotesiskan fit
dengan data.
4.4.2 Menilai Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test yang diukur
dengan nilai Chi-Square. Probabilitas signifikansi yang diperoleh kemudian
Universitas Sumatera Utara
dibandingkan dengan tingkat signifikansi α 5. Hipotesis untuk menilai
kelayakan model regresi adalah : Ho : Tidak ada perbedaan antara model dengan data
Ha : Ada perbedaan antara model dengan data
Tabel 4.10 Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 5.586
8 .693
Tabel 4.10 menunjukkan hasil pengujian Hosmer and Lemeshow. Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 0.693. Nilai
signifikansi yang diperoleh lebih besar dari α tingkat signifikansi 0,05. 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.
Tabel 4.11 Contingency Table for Hosmer and Lemeshow Test
Opini Audit Going Concern GCAO = .00
Opini Audit Going Concern GCAO = 1.00
Total Observed
Expected Observed
Expected Step 1 1
7 6.788
.212 7
2 7
6.427 .573
7 3
6 6.074
1 .926
7 4
4 4.496
3 2.504
7 5
1 1.749
6 5.251
7
Universitas Sumatera Utara
6 .651
7 6.349
7 7
1 .398
6 6.602
7 8
1 .252
6 6.748
7 9
.147 7
6.853 7
10 .018
6 5.982
6
Berdasarkan tabel 4.11 Kontinjensi untuk uji Hosmer and Lameshow, dapat dilihat bahwa dari sepuluh langkah pengamatan untuk pemberian opini
audit going concern 1 maupun opini audit non going concern 0, baik nilai yang diamati observed maupun yang diprediksi expected, tidak mempunyai
perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan mampu memprediksi nilai observasinya.
4.4.3 Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas
variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat
diinterpretasikan seperti nilai R Square pada regresi berganda Ghozali, 2006.
Tabel 4.12 Nagerkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square 1
38.679
a
.541 .733
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.
Sumber : Data sekunder yang telah diolah di SPSS 20
Universitas Sumatera Utara
Tabel di atas menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data, nilai Nagelkerke R Square adalah sebesar 0,733 yang
berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 73,3, sisanya sebesar 26,7 100 - 73,3
dijelaskan variabilitas variabel-variabel lain di luar model penelitian.
4.4.4 Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit going concern
pada auditee.
Tabel 4.13 Classification Table
a
Observed Predicted
Opini Audit Going Concern GCAO
Percentage Correct
1 Step 1 Opini Audit Going
Concern GCAO 24
3 88.9
1 3
39 92.9
Overall Percentage 91.3
a. The cut value is .500
Sumber : Data sekunder yang telah diolah di SPSS 20
Dari tabel di atas dapat dilihat bahwa menurut prediksi, auditee yang menerima opini audit going concern adalah 42, sedangkan observasi
sesungguhnya menunjukkan bahwa auditee yang menerima opini audit going concern
adalah 39. Jadi ketepatan model ini adalah 3942 atau 92.9. Kemudian menurut prediksi, auditee yang menerima opini audit non going
Universitas Sumatera Utara
concern adalah 27, sedangkan observasi sesungguhnya menunjukkan bahwa
auditee yang menerima opini audit non going concern adalah 24. Jadi,
ketepatan model ini adalah 2427 atau 88.9. Ketepatan prediksi keseluruhan model ini adalah 91.3.
4.5 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini dilakukan untuk menguji pengaruh variabel independen yaitu likuiditas CACL, leverage TLTA, kualitas audit
KA, dan opini audit tahun sebelumnnya OTS terhadap opini audit going concern.
Metode regresi logistik dapat dilihat dalam tabel-tabel di bawah ini :
Tabel 4.14 Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
69 100.0
Missing Cases .0
Total 69
100.0 Unselected Cases
.0 Total
69 100.0
a. If weight is in effect, see classification table for the total number of cases. Berdasarkan tabel 4.14, maka diperoleh hasil analisa sebagai berikut :
a. Jumlah sampel pengamatan sebanyak 69 sampel, dan seluruh sampel telah diperhitungkan ke dalam pengujian hipotesis.
b. Tidak ada variabel dependen yang dikeluarkan missing dengan nilai variabel dummy: 1 untuk opini audit going concern dan 0 untuk opini
audit non going concern.
Universitas Sumatera Utara
c. Metode yang digunakan adalah metode enter dimana dengan metode ini seluruh variabel independen disertakan dalam pengolahan data untuk
mengetahui variabel mana yang berpengaruh terhadap variabel dependen. Dalam uji regresi pengaruh antara variabel dependen dan variabel
independen dapat dilihat pada Variables in the Equation. Dalam uji hipotesis dengan regresi logistik cukup dengan melihat Variables in the Equation, pada
kolom Significant dibandingkan dengan tingkat kealphaan 0,05 5. Apabila tingkat signifikansi 0,05, maka hipotesis diterima.
Tabel 4.15 Variables in the Equation
B S.E.
Wald df
Sig. ExpB 95.0 C.I.for
EXPB Lower Upper
Step 1
a
CACL -.150
.164 .839
1 .360 .861
.624 1.187
TLTA 1.884
.816 5.335
1 .021 6.583
1.330 32.571 KA
1.016 .925
1.207 1 .272
2.763 .451 16.940
OTS 4.251
.936 20.644 1 .000 70.189 11.216 439.243
Constan t
-3.470 1.094 10.063
1 .002 .031
a. Variables entered on step 1: CACL, TLTA, KA, OTS.
Sumber : Data sekunder yang telah diolah di SPSS 20
Tabel di atas menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikansi 5. Dari pengujian dengan regresi logistik di atas maka
diperoleh persamaan regresi logistik sebagai berikut ini :
GCAO = - 3.470 - 0,150 CACL + 1,884 TLTA + 1,016 KA + 4.251 OTS + ε
Universitas Sumatera Utara
Konstanta sebesar -3.470 menyatakan bahwa jika tidak memperhitungkan nilai likuiditas, leverage, kualitas audit, dan opini audit tahun sebelumnya, maka
kemungkinan penerimaan opini audit going concern adalah sebesar -3.470. Melalui persamaan regresi ini setiap koefisien yang negatif atau positif pada
variabel-variabel independennya memiliki pengaruh terhadap tingkat penerimaan opini audit going concern.
Tabel 4.16 Hasil Hipotesis
No Hipotesis Beta
Sig Kesimpulan
1 H
1
-.150 .360 Tidak
didukung 2 H
2
1.884 .021 Didukung
3 H
3
1.016 .272 Tidak
didukung 4 H
4
4.251 .000 Didukung
Berdasarkan tabel 4.16 di atas, maka diperoleh hasil uji regresi logistik yang diperlukan untuk menguji hipótesis yang dikemukakan. Hasil pengujian
hipotesis adalah : H
1
: Likuiditas berpengaruh negatif terhadap penerimaan opini audit going concern
. Current
Assets pada tabel di atas menunjukkan koefisien negatif sebesar -
0,150 dengan tingkat signifikansi 0,360 yang nilainya berada di atas tingkat signifikansi 0,05. Hal ini berarti H1 tidak dapat didukung atau
likuiditas berpengaruh negatif dan tidak berpengaruh secara signifikan terhadap opini audit going concern.
H
2
: Leverage berpengaruh positif terhadap penerimaan opini audit going concern
.
Universitas Sumatera Utara
Debt to assets ratio pada tabel di atas menunjukkan koefisien positif
sebesar 1,884 dengan tingkat signifikansi 0,021 yang nilainya berada di dibawah tingkat signifikansi 0,05. Dengan demikian dapat disimpulkan
bahwa H2 dapat didukung atau leverage berpengaruh positif terhadap pemberian opini audit going concern.
H
3
: Kualitas audit berpengaruh negatif terhadap penerimaan opini audit going concern
. Kualitas audit yang diproksikan dengan KAP The Big Four atau non Big
Four pada tabel di atas menunjukkan koefisien positif sebesar 1,016
dengan tingkat signifikansi 0,272 yang nilainya berada di atas tingkat signifikansi 0,05. Dengan demikian dapat disimpulkan bahwa H
3
tidak dapat didukung atau kualitas audit berpengaruh positif dan tidak
berpengaruh secara signifikan terhadap opini audit going concern. H
4
: Opini audit tahun sebelumnya berpengaruh positif terhadap penerimaan opini audit going concern.
Opini audit tahun sebelumnya pada tabel di atas menunjukkan koefisien positif sebesar 4,251 dengan tingkat signifikansi 0,000 yang nilainya
berada di bawah atau lebih kecil dari tingkat signifikansi 0,05. Dengan demikian dapat disimpulkan bahwa H
4
dapat didukung atau opini audit tahun sebelumnya berpengaruh positif dan signifikan terhadap opini audit
going concern .
Universitas Sumatera Utara
4.6 Pembahasan Hasil Penelitian
