68
5. Hasil Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit going concern
pada perusahaan manufaktur.
Tabel 4.9 Matriks Klasifikasi
Classification Table
a
Observed Predicted
GCAO Percentage
Correct ,00
1,00 Step 1
GCAO ,00
31 11
73,8 1,00
10 23
69,7 Overall Percentage
72,0 a. The cut value is ,500
Sumber: ouput SPSS
Tabel 4.9 diatas menunjukkan bahwa menurut prediksi, perusahaan yang memperoleh opini audit going concern adalah 33, sedangkan
berdasarkan observasi sesungguhnya adalah 23 perusahaan. Jadi, ketepatan model ini adalah 2333 atau 69,7. Sementara itu, prediksi perusahaan yang
memperoleh opini audit non going concern adalah 42, sedangkan menurut observasi sesungguhnya adalah 31 perusahaan. Jadi ketepatan model ini
adalah 4231 atau 73,8. Ketepatan dari prediksi keseluruhan model ini adalah sebesar 72,0.
69
6. Hasil Uji Regresi Logistik
Model regresi logistik yang terbentuk disajikan pada tabel dibawah ini:
Tabel 4.10 Hasil Uji Koefisien Regresi Logistik
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
Step 1
a
ZScore -,564
,204 7,617
1 ,006
,569 Growth
,033 ,145
,052 1
,820 1,034
DEF -2,412
,702 11,812
1 ,001
,090 Constant
2,616 ,911
8,249 1
,004 13,678
a. Variables entered on step 1: ZScore, Growth, DEF.
Sumber: ouput SPSS
Tabel di atas menunjukkan hasil pengujian hipotesis dengan menggunakan regresi logistik biner pada tingkat signifikansi 0,05 5.
Berdasarkan hasil pengujian tersebut, maka dapat diperoleh persamaan regresi logistik biner sebagai berikut:
GC Ln
= 2,616 – 0,564 Zscore + 0,033 G – 2,412 Def
1-GC H
a1
: model Prediksi berpengaruh positif terhadap penerimaan opini audit going concern.
Variabel model prediksi kebangkrutan pada tabel 4.10 menunjukkan koefisien negatif sebesar 0,564 dengan nilai signifikansi sebesar 0,0060,05
yang berarti H
a1
diterima. Maka, model pediksi kebangkrutan berpengaruh positif terhadap penerimaan opini audit going concern.
