xiv
sebelumnya akan dibandingkan dengan pergantian KAP pada periode berikutnya.
5. Metode Analisi Data
Penyelesaian penelitian ini menggunakan teknik analisis data kuantitatif. Analisis data kuantitatif dilakukan dengan cara menganalisis suatu
permasalahan yang diwujudkan dengan kuantitatif. Dalam penelitian ini, analisis ini meliputi pengolahan data, pengorganisasian data dan penemuan
hasil.
Alat analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik logistic regression. Alasan penggunaan alat analisis regresi
logistic logistic regression adalah karena variabel dependen bersifat dikotomi melakukan pergantian kap dan tidak melakukan pergantian kap.
Tahapan dalam pengujian dengan menggunakan uji regresi logistik logistic regression dapat dijelaskan sebagai berikut :
A. Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan gambaran atau deskripsi variabel-variabel dalam penelitian. Statistik deskriptif yang
digunakan adalah nilai rata-rata mean, standar deviasi standard deviation, dan maksimum-minimum. Hal ini perlu dilakukan untuk
melihat gambaran keseluruhan dari sampel yang berhasil dikumpulkan dan memenuhi syarat untuk dijadikan sampel penelitian Wijayanti,
2010.
B. Pengujian Hipotesis Penelitian
Estimasi parameter menggunakan Maximum Likehood Estimation MLE. Ho : b1 = 0 ; Ho : b2 = 0 ; Ho : b3 = 0… Ho : bi = 0
Ho : b1 ≠ 0 ; Ho : b2 ≠ 0 ; Ho : b3 ≠ 0… Ho : bi ≠ 0
Hipotesis nol menyatakan bahwa variabel independen x tidak mempunyai pengaruh terhadap variabel respon yang diperhatikan
xv
dalam populasi. Pengujian terhadap hipotesis dilakukan dengan menggunakan = 5. Kaidah pengambilan keputusan adalah:
a. Jika nilai probabilitas sig. = 5 maka hipotesis alternatif didukung.
b. Jika nilai probabilitas sig. = 5 maka hipotesis alternatif tidak didukung.
C. Keseluruhan Model Overall Model Fit
Langkah pertama adalah menilai overall fit model terhadap data. Beberapa test statistik diberikan untuk menilai hal ini. Hipotesis untuk
menilai model fit adalah:
H0 : Model yang dihipotesiskan fit dengan data HA : Model yang dihipotesiskan tidak fit dengan data
Dari hipotesis ini jelas bahwa kita tidak akan menolak hipotesis nol agar model fit dengan data. Statistik yang digunakan berdasarkan
pada fungsi likelihood. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Untuk
menguji hipotesis nol dan alternatif, L ditransformasikan menjadi - 2LogL. Penurunan likelihood -2LL menunjukkan model regresi yang
lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
D. Koefisien Determinasi Nagelkerke R Square
Cox dan Snell’s R Square merupakan ukuran yang mencoba meniru ukuran 2R pada multiple regression yang didasarkan pada teknik
estimasi likelihood dengan nilai maksimum kurang dari 1 satu sehingga sulit diinterpretasikan. Nagelkerke’s R square merupakan modifikasi dari
koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu. Hal ini dilakukan dengan cara membagi nilai Cox
dan Snell’s R Square dengan nilai maksimumnya. Nilai Nagelkerke’s R
xvi
Square dapat diinterpretasikan seperti nilai R Square pada multiple regression. Nilai yang kecil berarti kemampuan variabel-variabel
independen dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen
memberikan hamper semua informasi yang dibutuhkan untuk memprediksi variabilitas variable dependen.
E. Menguji Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hosmer and Lemeshow’s
Goodness of Fit Test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data
sehingga model dapat dikatakan fit. Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test statistics sama dengan atau kurang dari 0,05, maka
hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena
model tidak dapat memprediksi nilai observasinya. Jika nilai statistic Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 0,05,
maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat
diterima karena cocok dengan data observasinya.
F. Matrik Klasifikasi
Matrik klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan terjadinya variabel terikat.
Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan terjadinya variabel terikat dinyatakan dalam persen.
G. Model Regresi yang Terbentuk
Analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik logistic regression, yaitu dengan melihat pengaruh
xvii
pergantian manajemen, financial distress, pertumbuhan perusahaan, kepemilikan saham, kebijakan deviden dan jumlah anggota dewan
komisaris. Model regresi logistik dalam penelitian ini adalah sebagai berikut:
SWITCH
t
= βo + β1PM + β2FD + β3PP + β4KPM + β5DEV + β6KOM + e
Keterangan : SWITCHt
= Pergantian KAP βo
= Konstanta β1-β6
= Koefisien Regresi PM
= Pergantian Manajemen FD
= Financial Distress PP
= Pertumbuhan Perusahaan KPM
= Kepemilikan Saham Manajemen DEV
= Kebijakan Deviden KOM
= Jumlah Anggota Dewan Komisaris e
= Eror
HASIL PENELITIAN DAN PEMBAHASAN
Perolehan data yang digunakan dalam penelitian dijelaskan ditabel bawah ini : Jumlah perusahaan manufaktur yang terdaftar di BEI tahun 2012-
2014 Perusahaan yang tidak melakukan pergantian KAP
Perusahaan yang melakukan pergantian KAP 1 kali dalam tahun penelitian
Perusahaan yang tidak menyajikan informasi secara lengkap Jumlah perusahaan sampel
Tahun pengamatan Jumlah sampel total selama periode penelitian
153 127 −
26 5 −
21 3 ×
63
xviii
1. Pergantian Manajemen