Tabel 4.9. Coefficient Correlations Model 2
Model AbsX2_Z ZOAGC ZKKA ZPMAN AbsX1_Z
2 Correlations
AbsX2_Z 1,000
,343 ,191
-,511 -,502
ZOAGC ,343
1,000 ,126
-,070 -,687
ZKKA ,191
,126 1,000 -,029
-,213 ZPMAN
-,511 -,070
-,029 1,000
,122 AbsX1_Z
-,502 -,687
-,213 ,122
1,000
Covariances AbsX2_Z
,028 ,009
,004 -,012
-,016 ZOAGC
,009 ,025
,002 -,001
-,021 ZKKA
,004 ,002
,014 ,000
-,005 ZPMAN
-,012 -,001
,000 ,018
,003 AbsX1_Z
-,016 -,021
-,005 ,003
,037 Sumber: Data sekunder yang diolah tahun 2016 pada lampiran 17
e. Matriks Klasifikasi
Prediksi terhadap ketepatan model regresi ditunjukkan dengan menggunakan matrik klasifikasi yang mengandung nilai estimasi yang benar
correct dan salah incorrect pada variabel dependen. Matrik klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi
kemungkinan terjadinya pergantian KAP yang dilakukan oleh suatu perusahaan. Berdasarkan Tabel 4.10 diketahui pada model 1 sebanyak 76 observasi
100 diklasifikasikan secara benar oleh model regresi logistik multinomial tidak melakukan pergantian KAP. Sebanyak 9 observasi 0,0 tidak
diklasifikasikan secara benar oleh model regresi logistik multinomial yang melakukan pergantian KAP upgrade. Sebanyak 8 observasi 0,0 tidak
diklasifikasikan secara benar oleh model regresi logistik multinomial yang melakukan pergantian KAP downgrade. Kemudian sebanyak 23 observasi 0,0
tidak diklasifikasikan secara benar oleh model regresi logistik multinomial yang melakukan pergantian KAP samegrade.
Secara keseluruhan dapat diketahui ketepatan klasifikasi prediksi dari model regresi logistik multinomial pada penelitian ini adalah sebesar 65,5. Bisa
dikatakan model regresi logistik multinomial pada penelitian ini mempunyai ketepatan yang tergolong baik dalam memprediksi pergantian KAP upgrade,
downgrade, dan samegrade pada perusahaan manufaktur sampel penelitian. Kemudian pada model 2 diketahui sebanyak 73 observasi 96,1
diklasifikasikan secara benar oleh model regresi logistik multinomial tidak melakukan pergantian KAP. Sebanyak 9 observasi 0,0 tidak diklasifikasikan
secara benar oleh model regresi logistik multinomial yang melakukan pergantian KAP upgrade. Sebanyak 7 observasi 0,0 tidak diklasifikasikan secara benar
oleh model regresi logistik multinomial yang melakukan pergantian KAP downgrade. Kemudian sebanyak 22 observasi 4,3 diklasifikasikan secara
benar oleh model regresi logistik multinomial yang melakukan pergantian KAP samegrade.
Secara keseluruhan dapat diketahui ketepatan klasifikasi prediksi dari model regresi logistik multinomial pada penelitian ini adalah sebesar 63,8. Bisa
dikatakan model regresi logistik multinomial pada penelitian ini mempunyai ketepatan yang tergolong baik dalam memprediksi pergantian KAP upgrade,
downgrade, dan samegrade yang dimoderasi oleh kualitas komite audit pada perusahaan manufaktur sampel penelitian.
Berikut adalah hasil pengujian matrik klasifikasi yang tersaji dalam Tabel 4.10.
Tabel 4.10. Matrik Klasifikasi
Observed Predicted
Tidak Berganti
Upgrade Downgrade Samegrade
Percent Correct Model 1
76 100,00
1 9
0,00 2
8 0,00
3 23
0,00
Overall Percentage
100,00 0,00
0,00 0,00
65,50 Model 2
73 1
2 96,10
1 9
0,00 2
7 1
0,00 3
22 1
4,30
Overall Percentage
95,70 0,90
0,00 3,40
63,80 Sumber: Data sekunder yang diolah tahun 2016 pada lampiran 18
f. Estimasi Parameter dan Interpretasinya