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.