4.3.2 Uji Nagelkerke R Square
Setelah pengujian -2 log likelihood selesai, selanjutnya akan dilakukan pengujian Nagelkerke R Square. Uji ini dilakukan untuk menilai seberapa besar
variasi dari variabel terikat transparansi informasi keuangan pada website resmi pemerintah daerah di Indonesia dapat dijelaskan oleh variabel bebas ukuran
pemerintah daerah, leverage, kompetisi politik, tipe pemerintah daerah dan rasio kemandirian. Hasil pengujian Nagelkerke R Square dapat dilihat padda tabel 4.4
berikut ini.
Tabel 4.4 Pengujian Nagelkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square 1
46,903
a
,098 ,134
Sumber data: lampiran Berdasarkan tabel 4.4 diatas nilai Nagelkerke R Square adalah sebesar
0,134. Hal ini menujukkan bahwa variasi variabel terikat transparansi informasi keuangan pada website resmi pemerintah daerah di Indonesia dapat dijelaskan
oleh variabel bebas ukuran pemerintah daerah, leverage, kompetisi politik, tipe pemerintah daerah dan rasio kemandirian sebesar 13,4 sedangkan sisanya
86.6 dijelaskan oleh variabel lain diluar model.
4.3.3 Uji Hosmer dan Lemeshow
Uji Hosmer dan Lemeshow dilakukan untuk menuji hipotesis 0 bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan model dengan data
sehingga model dapat dikatakan fit. Jika nilai hosmer dan lemeshow test sama
49
dengan atau kurang dari 0,05, maka hipotesis 0 ditolak berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga model tidak dapat
memprediksi niai observasinya, sebaliknaya jika nilai hosmer and lemeshow test lebih besar dari 0,05, maka hipotesis 0 diterima yang berarti model mampu
memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena sesuai dengan data observasinya.
Tabel 4.5 Pengujian Hosmer and Lemeshow
Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 14,862
8 ,062
Sumber data: lampiran Berdasarkan tabel 4.5, maka diperoleh nilai signifikansi Statistic Hosmer
and Lemeshow’s Goodness of Fit Test sebesar 0,062 yang nilainya diatas 0,05. Hal ini menunjukkan bahwa model dapat memprediksi nilai observasinya atau
model dapat diterima karena sesuai dengan data observasinya.
4.4 Uji Regresi Logistik Secara Parsial