62
1. Statistik Deskriptif
Statistik deskriptif digunakan untuk menjelaskan opini audit, yaitu opini audit going concern dan opini audit non going concern untuk setiap
variabel independen dalam model penelitian Ramadhany, 2004. Penelitian statistik deskriptif memberikan gambaran atau deskriptif suatu
data yang dapat dilihat dari nilai rata-rata mean, standar deviasi, varians, maksimum, minimum, sum, range, kurtosis, dan skewness kemencengan
distribusi Ghozali, 2009: 19.
2. Analisis Inferensial
Analisis inferensial digunakan untuk menguji hipotesis yang diajukan. Pada penelitian ini, hipotesis diuji dengan menggunakan model
regrosi logistik biner. Regresi logistik adalah regresi yang digunakan untuk menguji apakah probabilitas terjadinya variabel terikat dapat dijelaskan
oleh variabel bebasnya. Teknik analisis ini tidak memerlukan lagi uji
normalitas data pada variabel bebasnya Ghozali, 2009: 71. a.
Menilai Model Fit
Analisis pertama yang dilakukan adalah menilai overall fit model terhadap data. Hipotesis untuk menilai model fit adalah :
H : Model yang dihipotesiskan fit dengan data
H
a
: Model yang dihipotesiskan tidak fit dengan data Berdasarkan dipotesis ini, maka H
harus diterima dan H
a
harus ditolak agar model fit dengan data. Statistik yang digunakan
berdasarkan fungsi likelihood. Likelihood L dari model adalah
63 probabilitas bahwa model yang dihipotesiskan menggambarkan data
input. Untuk menguji hipotesis nol dan alternatif, L ditransformasikan menjadi – 2LogL -2LogLikelihood. Statistik -2LogL atau rasio x
2
statistics, dimana x
2
distribusi dengan degree of freedom n-q, q adalah jumlah parameter Ghozali, 2009: 268.
Output SPSS memberikan dua nilai -2LogL yaitu satu untuk model yang hanya memasukkan konstanta dan yang kedua untuk model
dengan konstanta dan variabel bebas Ghozali, 2009: 268. Menggunakan alpha 5 atau 0,05 Ghozali, 2009: 79, cara menilai
model fit ini adalah sebagai berikut Solikah, 2007 : 1 Jika nilai -2LogL 0,05 maka H
ditolak dan H
a
diterima, yang berarti bahwa model fit dengan data.
2 Jika nilai -2LogL 0,05 maka H diterima dan H
a
ditolak, yang berarti bahwa model tidak fit dengan data.
Adanya pengurangan nilai antara -2LogL awal initial – 2LogL function dengan nilai -2LogL pada langkah berikutnya menunjukkan
bahwa model yang dihipotesiskan fit dengan data Ghozali, 2009: 269. Log Likelihood pada regresi logistik mirip dengan pengertian “Sum of
Square Error” pada model regresi, sehingga penurunan Log Likelihood menunjukkan model regresi semakin baik Setyarno, dkk, 2006: 13.
b. Menilai Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lameshow’s Goodness of Fit Test. Jika nilai statistik Hosmer and
64 Lameshow’s Goodness of Fit lebih besar daripada 0,05 maka hipotesis
nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena sesuai
dengan data observasinya Ghozali, 2009: 269.
c. Koefisien Determinasi
Koefisien determinasi dalam regresi logistik biner ditunjukkan dengan nilai Nagelkerke R Square. Nagelkerke R Square dapat
diinterpretasikan seperti nilai R Square dalam regresi berganda, yaitu menjelaskan variabilitas variabel dependen yang dapat dijelaskan oleh
variabilitas variabel independen Ghozali, 2006:84.
d. Tabel Klasifikasi
Tabel klasifikasi menghitung nilai estimasi yang benar correct dan salah incorrect. Tabel ini menunjukkan kekuatan prediksi dari
variabel dependen, penerimaan opini audit going concern.
e. Pengujian Hipotesis
Pengujian kedelapan hipotesis dilakukan dengan menggunakan regresi logistik biner, yang variabel bebasnya merupakan kombinasi
antara metrik dan nonmetrik nominal. Persamaan model regresi logistik biner yang digunakan adalah
sebagai berikut :
Ln
GC GC
1
= α + β
1
BoC + β
2
BoD+ β
3
Ind_Comm + β
4
Board_Own + β
5
Lev + β
6
Prof + β
7
Aktivitas + β
8
Size + ε
65 Keterangan :
Ln
GC GC
1
=
Opini audit going concern variabel dummy
α =
konstanta BoC
= perubahan dewan komisaris variabel dummy BoD
= perubahan dewan direksi variabel dummy Ind_Comm
= persentase komisaris independen dalam susunan dewan komisaris
Board_Own = kepemilikan anggota dewan variabel dummy
Lev = total kewajiban : total aktiva
Prof = laba bersih net income : total ekuitas ROE
Aktivitas = penjualan bersih : total aktiva
Size = ukuran perusahaan yang dihitung dengan logaritma natural ln dari total aktiva
ε =
kesalahan residual
f. Estimasi Parameter dan Interpretasinya
Estimasi parameter dilihat melalui koefisien regresi. Koefisien regresi dari tiap variabel-variabel yang diuji menunjukkan bentuk
hubungan antara variabel. Pengujian hipotesis dilakukan dengan cara membandingkan antara nilai probabilitas sig dengan tingkat
signifikansi α Santosa dan Wedari, 2006. Pada penelitian ini, tingkat
signifikansi sig yang digunakan adalah sebesar 5 atau 0,05
Stanislaus, 2006:236 dalam Amilin dan Indrawan 2008: 80.
66
E . Operasionalisasi Variabel Penelitian
1. Variabel Tidak Terikat Independent Variable
Kategori