40
Tabel 4.3 Nilai -2
Log Likelihood -2 LL awal
Sumber : Hasil Pengolahan Data Nilai -2 log likelihood akhir pada block number = 1, dapat ditunjukkan
melalui tabel 4.4 berikut ini :
Tabel 4.4 Nilai -2
log likelihood -2 LL akhir
Sumber : Hasil Pengolahan Data Dari tabel 4.3 dan tabel 4.4 dapat dilihat bahwa -2 log likelihood awal pada
block number = 0, yaitu model yang hanya memasukkan konstanta yang dapat
dilihat pada step 2, memperoleh nilai sebesar 84.245. Kemudian pada tabel selanjutnya dapat dilihat nilai -2 LL akhir dengan block number = 1 nilai -2 log
likelihood pada tabel 4.3 mengalami perubahan setelah masuknya beberapa
variabel independen pada model penelitian, akibatnya nilai -2 LL akhir pada step 5 menunjukkan nilai 72.904.
Iteration History
a,b,c
Iteration -2 Log
likelihood Coefficients
Constant Step 0
1 85.056
1.289 2
84.245 1.515
3 84.241
1.531 4
84.241 1.531
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant X11
X2 X3
X4
Step 1 1
76.296 -2.799
-.165 -.658
-.049 7.581
2 73.070
-4.940 -.324
-1.007 -.084
12.366 3
72.905 -5.643
-.396 -1.111
-.097 13.933
4 72.904
-5.698 -.403
-1.118 -.098
14.055 5
72.904 -5.698
-.403 -1.118
-.098 14.055
Universitas Sumatera Utara
41
Adanya pengurangan nilai antara -2LL awal initial -2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang
dihipotesiskan fit dengan data Ghozali,2005. Penurunan nilai -2 log likelihood menunjukkan bahwa model penelitian ini dinyatakan fit, artinya penambahan-
penambahan variabel bebas yaitu ukuran KAP, audit tenure, ukuran perusahaan klien, ukuran leverage perusahaan ke dalam model penelitian akan memperbaiki
model fit penelitian ini.
4.2.1.3 Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur dengan nilai chi square pada
bagian bawah uji hosmer and lemeshow. Jika nilai Hosmer and Lemeshow’s
Goodness of Fit Test ≤ 0,05, maka berarti terdapat perbedaan signifikan antara
model dengan nilai observasinya sehingga goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya Ghozali, 2005.
Tabel 4.5 Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 4.627
8 .797
Sumber : Hasil Pengolahan Data Tabel 4.5 menunjukkan nilai Hosmer and Lemeshow’s Goodness of Fit
sebesar 4,627 dengan signifikansi 0,797. Nilai signifikansi yang diperoleh lebih besar dari 0,05 maka Ho tidak dapat ditolak diterima. 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.
Universitas Sumatera Utara
42
Tabel 4.6
Sumber : Hasil Pengolahan Data Dari tabel kontijensi untuk uji hosmer and lemeshow, dapat dilihat bahwa
dari sepuluh langkah pengamatan untuk kualitas audit yang baik 1 maupun tidak baik 0, nilai yang diamati maupun nilai yang diprediksi, tidak mempunyai
perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya
4.2.1.4 Hasil Pengujian Hipotesis
Regresi logistik ingin menguji apakah probabilitas terjadinya variabel
terikat dapat diprediksi dengan variabel bebasnya Ghozali, 2005. Pada penelitian ini, regresi logistik dilakukan terhadap 90 perusahaan sampel yang terdiri dari 80
perusahaan yang memiliki kualitas audit baik ditandai dengan angka 1 dan 10 perusahaan yang tidak memiliki kualitas audit yang baik ditandai dengan angka
0. Pemberian tanda tersebut berdasarkan variabel dummy, yaitu 1 untuk perusahaan yang memiliki ROA di antara μ-σ dan μ+σ serta 0 untuk perusahaan
Contingency Table for Hosmer and Lemeshow Test
Kualitas Audit = .0000
Kualitas Audit = 1.0000
Total Observed Expected Observed Expected
Step 1 1
5 4.520
4 4.480
9 2
3 3.125
6 5.875
9 3
2.112 9
6.888 9
4 2
1.612 7
7.388 9
5 2
1.270 7
7.730 9
6 1
1.022 8
7.978 9
7 1
.806 8
8.194 9
8 1
.610 8
8.390 9
9 1
.535 8
8.465 9
10 .389
9 8.611
9
Universitas Sumatera Utara
43
yang memiliki ROA di bawah μ-σ atau di atas μ+σ. μ adalah rata-rata dari
keseluruhan earningstotal assets
perusahaan sampel dan σ adalah deviasinya.
Rata- rata ROA μ dapat dihitung dengan menjumlah ROA semua
perusahaan sampel
lalu membaginya dengan jumlah sampel. Deviasi ROA σ
dapat dihitung dengan rumus:
� = � 1
� � �� − �̅
2 �
�=1
dengan n = jumlah sampel perusahaan xi = nilai ROA masing-masing perusahaan sampel
�̅ = rata-rata ROA dari seluruh perusahaan sampel Klasifikasi kualitas audit ditentukan menggunakan aplikasi software
Microsoft OfficeExcel dengan rumus =average data1:90 untuk rata-rata ROA μ dan =stdev data1:90 untuk deviasi ROA σ. Nilai μ yang diperoleh adalah
0,0179 dan nilai σ-nya adalah 0,0208. Sehingga nilai μ-σ adalah - 0,0029 dan nilai μ+σ adalah 0,0387. Dengan demikian perusahaan yang memiliki kualitas audit
baik 1 adalah yang memiliki ROA - 0,0029 dan 0,0387, sedangkan perusahaan yang tidak memiliki kualitas audit baik 0 adalah perusahaan yang
memiliki ROA - 0,0029 atau ROA 0,0387. Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh
dari variabel-variabel bebas terhadap kualitas audit. Pengujian dengan regresi logistik ditunjukkan dalam tabel-tabel berikut ini.
Universitas Sumatera Utara
44
Tabel 4.7 Ikhtisar Pengolahan Data
Berdasarkan tabel 4.7 di atas dapat diambil analisis sebagai berikut : a.
Jumlah sampel pengamatan sebanyak 90 sampel, dan seluruh sampel telah diperhitungkan ke dalam pengujian hipotesis;
b. Tidak ada variabel dependen yang dikeluarkan dengan nilai dummy
variabel . Variabel dependen bernilai 1 untuk kualitas audit yang tinggi dan
bernilai 0 untuk kualitas audit yang rendah. c.
Metode yang digunakan untuk memasukkan data adalah metode enter dimana apabila menggunakan metode ini seluruh variabel bebas
independen disertakan dalam pengolahan analisis data untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
Selanjutnya variabilitas antara variabel dependen dengan variabel independen dapat dilihat pada tabel 4.8 berikut ini.
Tabel 4.8 Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in
Analysis 90
100.0 Missing Cases
.0 Total
90 100.0
Unselected Cases .0
Total 90
100.0 Sumber : Hasil Pengolahan Data
Model Summary
Step -2 Log
likelihood Cox
Snell R Square
Nagelkerke R Square
1 72.904
a
.118 .195
Sumber : Hasil Pengolahan Data
Universitas Sumatera Utara
45
Berdasarkan tabel 4.8 di atas, maka dapat dilihat bahwa hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox Snell R Square
sebesar 0.118. Cox Snell R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood
dengan nilai maksimum kurang dari satu, sehingga sulit untuk diinterpretasikan.
Nagelerke’s R square merupakan modifikasi dari koefisien Cox and Snell.
Untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu hal ini dilakukan dengan cara membagi nilai Cox and Snell’s R square dengan nilai
maksimumnya. Nilai Nagelerke R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression
. Dilihat dari hasil output pengolahan data nilai Nagalerke R Square
adalah sebesar 0.195 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 19.5 , sisanya sebesar
80.5 dijelaskan oleh variabel-variabel lain di luar model. a.
Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan keterjadian variabel terkait dependen
pada perusahaan dilihat melalui classification tabel.
Universitas Sumatera Utara
46
Tabel 4.9 Matriks Klasifikasi
Classification Table
a
Observed Predicted
Kualitas Audit Percentage
Correct .0000
1.0000
Step 1 Kualitas
Audit .0000
2 14
12.5 1.0000
1 73
98.6 Overall Percentage
83.3 Sumber : Hasil Pengolahan Data
Tabel 4.9 menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan kualitas audit yang baik sebesar 98.6. Hal ini berarti
bahwa dengan menggunakan model regresi yang digunakan ada 73 perusahaan yang diprediksi akan berkualitas audit yang baik dari 87 perusahaan yang
berkualitas audit baik. Dan kekuatan prediksi model untuk kualitas yang tidak baik adalah sebesar 12.5 yang berarti bahwa dengan model regresi yang
diajukan ada 2 perusahaan 12.5 yang diprediksi berkualitas audit tidak baik dari total 3 perusahaan yang berkualitas audit tidak baik.
b. Menguji Koefisien Regresi
Tabel 4.10 menunjukkan hasil pengujian dengan regresi logistic
Universitas Sumatera Utara
47
Tabel 4.10 Hasil Uji Koefisien Regresi
Variable in The Equation
B S.E.
Wald df
Sig. ExpB
95 C.I.for EXPB Lower
Upper
Step 1
a
X11 -.403
.867 .216
1 .642
.669 .122
3.656 X2
-1.118 .409
7.486 1
.006 .327
.147 .728
X3 -.098
.239 .168
1 .682
.907 .568
1.448 X4
14.055 9.379 2.246
1 .134
1270789.8 05
.013 122380539
904037.100 Constant -5.698 9.809
.338 1
.561 .003
Sumber : Hasil Pengolahan Data Persamaan regresi dapat dilihat dari kolom B pada tabel 4.10. Tanda
matematika dalam persamaan yang akan dibentuk mengikuti angka dalam kolom B.Persamaan regresi logistik yang terbentuk dapat dinyatakan sebagai berikut:
Y = -5.698 - 0.403 X1 -1.118 X2 - 0.098 X3 + 14.055 X4 + e Keterangan:
Y : Kualitas audit
X1 : Ukuran KAP
X2 : Audit tenure
X4 : Ukuran perusahaan klien LnTA
X4 : Ukuran leverage perusahaan klien TLTA
Konstanta sebesar -5.698 menyatakan bahwa jika tidak diperhitungkan nilai ukuran KAP, audit tenure, ukuran perusahaan klien, dan ukuran leverage
perusahaan, maka kemungkinan kualitas audit adalah sebesar -5.698.
Universitas Sumatera Utara
48
Model di atas dapat diinterpretasikan sebagai berikut: a.
Variabel X1 ukuran KAP menunjukkan nilai koefisien sebesar -0.403 dengan tingkat signifikansi 0.642 lebih besar dari 0.05 5 artinya dapat
disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif dan tidak signifikan terhadap kualitas audit. Tanda negatif pada koefisien
ukuran KAP menunjukkan bahwa ukuran KAP yang lebih besar tidak memberikan kualitas audit yang baik dalam pemeriksaan laporan
keuangan. b.
Variabel X2 audit tenure menunjukkan nilai koefisien sebesar -1.118 dengan tingkat signifikansi 0.006 lebih kecil dari 0.05 5 artinya dapat
disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif dan berpengaruh signifikan terhadap kualitas audit. Tanda negatif pada
koefisien audit tenure menunjukkan bahwa masa perikatan audit yang lebih panjang tidak menaikkan kualitas audit dalam pemeriksaan laporan
keuangan. c.
Variabel X3 ukuran perusahaan klien menunjukkan nilai koefisien sebesar -0.098 dengan tingkat signifikansi 0.682 lebih besar dari 0.05 5
artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif dan tidak signifikan terhadap kualitas audit. Tanda negatif pada
koefisien ukuran perusahaan klien menunjukkan bahwa ukuran perusahaan klien yang lebih besar tidak meningkatkan kualitas audit dalam
pemeriksaan laporan keuangan.
Universitas Sumatera Utara
49
d. Variabel X4 ukuran leverage perusahaan menunjukkan nilai koefisien
sebesar 14.055 dengan tingkat signifikansi 0.134 lebih besar dari 0.05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh
koefisien positif dan tidak signifikan terhadap kualitas audit. Tanda positif pada koefisien ukuran leverage perusahaan menunjukkan bahwa ukuran
leverage yang lebih tinggi akan meningkatkan kualitas audit dalam pemeriksaan laporan keuangan.
4.3 Pembahasan Hasil Penelitian
