Hasil Uji Statistik Deskriptif

64 Tabel 4.4 Lanjutan 8 48.672 24.124 1.699 -.828 -.944 12.463 9 48.670 24.124 1.699 -.828 -.944 13.463 10 48.670 24.124 1.699 -.828 -.944 14.463 11 48.670 24.124 1.699 -.828 -.944 15.463 12 48.670 24.124 1.699 -.828 -.944 16.463 13 48.670 24.124 1.699 -.828 -.944 17.463 14 48.670 24.124 1.699 -.828 -.944 18.463 15 48.669 24.124 1.699 -.828 -.944 19.463 16 48.669 24.124 1.699 -.828 -.944 20.463 17 48.669 24.124 1.699 -.828 -.944 21.463 18 48.669 24.124 1.699 -.828 -.944 22.463 19 48.669 24.124 1.699 -.828 -.944 23.463 20 48.669 24.124 1.699 -.828 -.944 24.463 Initial -2 Log Likelihood: 98.618 Sumber: output SPSS b Hasil Uji Koefisien Determinasi Nagelkerke R. Square Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Nagelkerke R Square. Nilai Nagelkerke R Square adalah sebesar 0,649 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 64,9, sedangkan sisanya 65 sebesar 35,1 dijelaskan oleh variabel-variabel lain di luar model penelitian, seperti ukuran KAP, opini going concern, financial distress, dan pertumbuhan perusahaan. Tabel 4.5 berikut menyajikan hasil uji koefisien determinasi Nagelkerke R Square: Tabel 4.5 Koefisien Determinasi Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 48.669 a .448 .649 Sumber: output SPSS c Hasil Uji Kelayakan Model Regresi Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Pengujian menunjukkan nilai Chi- square sebesar 10,676 dengan signifikansi p sebesar 0,221. Berdasarkan hasil tersebut, karena nilai signifikansi lebih besar dari 0,05 maka model dapat disimpulkan mampu memprediksi nilai observasinya. Hasil uji kelayakan model regresi disajikan pada tabel 4.6 berikut ini: Tabel 4.6 Menguji Kelayakan Model Regresi Hosmer and Lemeshow Test Step Chi-square df Sig. 1 10.676 8 .221 Sumber: output SPSS 66 d Hasil Uji Multikolinieritas Model regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat di antara variabel bebasnya. Pengujian ini menggunakan matriks korelasi antar variabel bebas untuk melihat besarnya korelasi antar variabel independen. Hasil Tabel 4.7 menunjukkan tidak ada nilai koefisien korelasi antar variabel yang nilainya lebih besar dari 0,8, maka tidak ada gejala multikolinieritas yang serius antar variabel bebas Damayanti dan Sudarma, 2007:14. Tabel 4.7 Hasil Uji Multikolinieritas Correlation Matrix Constant CEO OPINI LnTA FEE Step 1 Constant 1.000 .314 .273 -.998 .000 CEO .314 1.000 -.092 -.330 .000 OPINI .273 -.092 1.000 -.300 .000 LnTA -.998 -.330 -.300 1.000 .000 FEE .000 .000 .000 .000 1.000 Sumber: output SPSS e Hasil Matriks Klasifikasi Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan auditor switching yang dilakukan oleh perusahaan sektor real estate dan properti. Matriks klasifikasi disajikan pada tabel 4.8 berikut.