α = Konstanta
ZSCORE = Kondisi keuangan perusahaan yang diproksikan dengan
menggunakan lima model prediksi kebangkrutan Altman Z Score
untuk perusahaan manufaktur. SALES
= Rasio Pertumbuhan Penjualan Auditee.
OPINI =
Dummy variabel Opini audit yang diterima pada tahun
sebelumnya kategori 1 bila opini audit going concern GCAO dan 0 bila opini audit non going concern
NGCAO.
∈
= Kesalahan Residual
Pengujian hipotesis dilakukan dengan analisis multivariat dengan menggunakan regresi logistik logistic regression, yang variabel bebasnya
merupakan kombinasi antara metric dan non metric nominal. Teknik analisis ini tidak memerlukan lagi uji normalitas dan uji asumsi klasik pada variabel
bebasnya Ghozali, 2006. Gujarati 2003 menyatakan bahwa regresi logistik mengabaikan heteroscedasitiy, artinya variabel dependen tidak memerlukan
homoscedacity untuk masing-masing variabel independennnya.
Pengujian terhadap hipotesis dalam penelitian ini dilakukan dengan tahapan sebagai berikut:
a. Menilai Model Fit dan Keseluruhan Model Overall Model Fit
Analisis pertama yang dilakukan adalah menilai overall fit model terhadap data. Hipotesis untuk menilai model fit adalah :
H : Model yang dihipotesiskan fit dengan data
H
a
: Model yang dihipotesiskan tidak fit dengan data
Dari hipotesis ini supaya model fit dengan data maka H harus diterima atau
Ha harus ditolak. 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. Dengan degree of freedom n – q, dimana q adalah parameter dalam
model, output SPSS akan memberikan dua nilai -2LogL, yaitu satu untuk model yang hanya memasukkan konstanta dan yang kedua untuk model
dengan konstanta dan variabel bebas. Dengan alpha 5, cara menilai model fit
ini adalah sebagai berikut : 1. Jika nilai -2LogL 0,05 maka H
ditolak dan H
a
diterima, yang berarti bahwa model fit dengan data.
2. Jika nilai -2LogL 0,05 maka H diterima dan H
a
ditolak, yang berarti bahwa model tidak fit dengan data.
Adanya pengurangan nilai antara - 2LogL awal initial - 2LL function dengan nilai - 2LogL pada langkah berikutnya menunjukkan bahwa
model yang dihipotesiskan fit dengan data Ghozali, 2006. 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.
b. Menilai Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test
. Hipotesis untuk menilai kelayakan model regresi adalah :
H : Tidak ada perbedaan antara model dengan data
H
a
: Ada perbedaan antara model dengan data 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.
c. Koefisien Determinasi