49
tingkat signifikansi 0,05, maka H
1
-H
5
diterima, tetapi jika tingkat signifikansi 0,05, maka H
1
-H
5
tidak dapat diterima. Dalam hal ini dapat dianalisis dengan regresi logistik karena tidak perlu asumsi normalitas data
pada variabel bebasnya Ghozali, 2005. Model regresi logistik yang digunakan untuk menguji hipotesis penelitian adalah sebagai berikut:
Y = β
+ β
1
DER + β
2
C R + β
3
SIZE + β
4
KAP + ε
Keterangan: Y
= ketepatan waktu
timeliness pelaporan
keuangan β
, β
1
, β
2
, β
3
, β
4
, β
5
, β
6
= konstanta DER
= debt to equity ratio CR
= current assets SIZE
= ukuran size perusahaan KAP = reputasi kantor akuntan publik
ε = tingkat pengganggu kesalahan disturbance
error
3.7.3.1 Menguji Kelayakan Model Regresi Goodness of Fit
Teknik yang
digunakan untuk
menilai model regresi
menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hipotesis
yang digunakan untuk menilai model fit adalah sebagai berikut :
H : Model yang dihipotesiskan fit dengan data
H
A
: Model yang dihipotesiskan tidak fit dengan data Jika nilai statistik
Hosmer and Lemeshow’s sama dengan atau
Universitas Sumatera Utara
50
kurang dari 0,05, maka hipotesis nol ditolak yang berarti terdapat perbedaan signifikan antara model dengan nilai observasinya sehingga
goodness fit model tidak baik, karena model yang telah dirumuskan tidak
dapat memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lemeshow’s lebih besar dari 0,05, maka hipotesis nol diterima yang
berarti model mampu memprediksi nilai observasinya.
3.7.3.2 Menguji Model Keseluruhan Model Overall Fit Model
Memperhatikan angka -2 log likelihood LL pada awal dengan block
number = 0 dan angka -2 log likelihood pada block number = 1. Jika terjadi penurunan angka -2 log likelihood block number 0 dikurangi
block number 1 menunjukkan model regresi yang baik. Log likelihood
pada regresi logistik mirip dengan pengertian ”sum of squared error”
pada model regresi, sehingga penurunan log likelihood menunjukkan model regresi yang baik.
1. Uji Signifikansi Model Secara Simultan
Uji ini digunakan untuk mengetahui apakah variabel-variabel independen yang dimasukkan ke dalam model regresi mempunyai pengaruh secara bersama-sama
simultan terhadap variabel dependen Ghozali, 2011: 99. Pembuktian dilakukan dengan menggunakan Tabel Omnibus Test of Model. Tingkat
signifikan tabel yang digunakan lebih kecil dari 0,05 .
Universitas Sumatera Utara
51
2. Uji Signifikansi Pengaruh Parsial Uji Wald
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen terhadap variabel dependen dengan menganggap variabel
independen lainnya konstan Ghozali, 2011: 101. Pada regresi logistik, uji signifikansi pengaruh parsial dapat diuji dengan uji Wald.
3. Uji Koefisien Determinasi
Dalam regresi logistik, dapat digunakan statistik Nagelkerke’s
untuk mengukur kemampuan model regresi logistik dalam mencocokkan atau
menyesuaikan data. Uji koefisien determinasi digunakan untuk mengukur tingkat kemampuan model dalam menerangkan variabel independen,
4. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi Ghozali, 2011. Model regresi
yang baik seharusnya bebas dari multikolonieritas. Deteksi terhadap ada tidaknya multikolinearitas dengan melihat nilai correlation matrix. Suatu
model regresi yang bebas dari masalah multikolonieritas apabila nilai korelasi antar variabel independen lebih besar dari 0,90 Ghozali, 2006:91.
Universitas Sumatera Utara
52
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian