58
LOSS variabel dummy, kode 1 satu jika perusahaan melaporkan
kerugian di tahun pertama dan kedua sebelumnya tahun terjadi event year, kode 0 nol jika sebaliknya
NCFO variabel dummy, kode 1 satu jika perusahaan melaporkan arus
kas negatif dari aktivitas operasi pada tahun pertama dan kedua sebelum tahun terjadi, kode 0 nol jika sebaliknya
LEV total kewajiban terhadap total aktiva setelah penyajian kembali
IND proporsi dewan komisaris independen
RPT penjualan mengenai transaksi pihak terkait yang diskalakan
dengan total piutang ΔCPA
variabel dummy, kode 1 satu jika perusahaan melakukan pergantian auditor dalam dua tahun sebelum tindak kecurangan,
kode 0 nol jika tidak melakukan pergantian auditor SIZE
transformasi logaritma natural Ln dari total aset perusahaan i pada waktu t
ε error
Langkah-langkah yang ditempuh dalam regresi logistik menurut Ghozali 2006 adalah sebagai berikut:
3.8.2.1 Uji Kelayakan Model Goodness of Fit Test
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodnes of Fit Test. Adapun hipotesis untuk menilai
kelayakan model ini adalah: H
: Tidak ada perbedaan antara model dengan data
Universitas Sumatera Utara
59
�
�
: Model yang dihipotesiskan tidak fit dengan data Jika nilai statistic Hosmer and Lemeshow Goodness of fit lebih
besar dari pada 0,05 maka H
tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model
diterima karena sesuai dengan data observasinya Ghozali, 2006
3.8.2.2 Uji Kelayakan Keseluruhan Model Overall Fit Model Test
Langkah pertama adalah menilai overall fit model terhadap data. Beberapa test statistics diberikan untuk menilai hal ini. Hipotesis untuk
menilai model fit adalah: H
: Model yang dihipotesiskan fit dengan data �
�
: Model yang dihipotesiskan tidak fit dengan data Dari hipotesis ini jelas bahwa kita tidak akan menolak hipotesis
nol agar model fit dengan data. Likelihood L adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Untuk menguji
hipotesis nol dan alternatif, L ditransformasikan menjadi -2LogL. Statistik -2LogL juga dapat digunakan untuk menentukan jika variabel
independen ditambahkan ke dalam model, apakah secara signifikan memperbaiki model. Penurunan likelihood -2LogL menunjukkan
model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
Universitas Sumatera Utara
60
3.8.2.3 Koefisien Determinasi Cox and Snell’s R Square dan Nagelkerke’s R Square
Cox dan Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R Square pada multiple regression yang didasarkan pada
teknik estimasi likelihood dengan nilai maksimum kurang dari 1 sehingga sulit diinterpretasikan. Untuk mendapatkan koefisien
determinasi yang dapat diinterpretasikan seperti nilai R2 pada multiple regression, maka digunakan Nagelkereke R Square.
Nagelkereke’s R Square merupakan modifikasi dari koefisien Cox and Snell R Square untuk memastikan bahwa nilainya bervariasi
dari 0 sampai 1. Hal ini dilakukan dengan cara membagi nilai Cox and Snell R Square dengan nilai maksimumnya Ghozali, 2006. Nilai yang
kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai mendekati
satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi dependen.
3.8.2.4 Tabel Klasifikasi 2 x 2