sedangkan 14 perusahaan memiliki total asset lebih dari 1.990.067 yaitu 23,3.
4.1.3 Pengujian Hipotesis
Pengujian hipotesis pada penelitian ini menggunakan regresi logistik. Dalam penelitian ini menguji apakah probabilitas terjadinya
ketepatan waktu pelaporan keuangan dapat diprediksi dengan profitabilitas, opini audit, stuktur kepemilikan dan ukuran perusahaan. Metode regresi
logistik digunakan karena dalam penelitian ini variabel bebas merupakan campuran antara variabel kontinyu metrik dan kategorial non-metrik,
sedangkan variabel terikat bersifat non-metrik atau nominal. Dengan demikian, pada analisis dengan regresi logistik tidak memerlukan asumsi
normalitas data pada variabel bebasnya.
4.1.3.1 Menilai Model Fit
Langkah pertama yaitu menilai overall fit model atau kelayakan keseluruhan model terhadap data. Overall fit model diuji dengan
menggunakan nilai -2 Log likehood yaitu dengan melihat hasil pada tabel- tabel berikut ini:
Tabel 4.9 Iterasion History Block 0
Coefficients Iteration
-2 Log likehood Constant
Step 0 1 81.503
.333 2
81.503 .336
3 81.503
.336 Sumber: data sekunder yang diolah, 2010
Tabel 4.10 Iteration History Block 1
-2 Log Coefficients
Iteration Likehood Constant
ROI OP
OWN TA
Step 0 1 54.214
-1.770 -.019
2.315 .006
.000 2
47.061 -2.536
-.030 2.679
.009 .000
3 37.050
-3.569 -.021
2.773 .011
.000 4
30.046 -4.898
-.015 3.195
.012 .000
5 25.940
-6.282 -.019
3.401 .015
.000 6
24.987 -7.610
-.034 3.971
.019 .000
7 24.891
-8.226 -.047
4.320 .020
.000 8
24.889 -8.331
-.050 4.384
.021 .000
9 24.889
-8.334 -.050
4.385 .021
.000 10
24.889 -8.334
-.050 4.385
.021 .000
Sumber: data sekunder yang diolah, 2010
Menilai keseluruhan model regresi dilakukan dengan membandingkan nilai antara -2 Log Likehood -2LL pada awal Block 0
yaitu pada saat model memasukkan konstantanya saja dengan nilai -2 Log Likehood
-2LL pada akhir Block 1 yang merupakan hasil berupa statistik -2LL setelah variabel bebas ditambahkan ke dalam model. Adanya
penurunan nilai -2LL awal dengan -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data.
Pada tabel 4.9 terlihat bahwa nilai awal -2LL Block 0 adalah sebesar 81,503 sedangkan nilai -2LL Block 1 pada tabel 4.10 adalah sebesar
24,889. Dari model tersebut ternyata overall model fit pada -2LL Block 0 menunjukkan adanya penurunan pada -2LL Block 1 yaitu sebesar 56,614.
Penurunan nilai -2 Log Likehood ini menunjukkan bahwa secara keseluruhan model regresi yang digunakan merupakan model yang baik
serta penambahan variabel bebas ke dalam model memperbaiki model fit atau dengan kata lain model yang dihipotesiskan fit dengan data.
Analisis yang dilakukan selanjutnya adalah menilai kelayakan model regresi logistik yang digunakan. Pengujian tersebut menggunakan
Hosmer and Lemeshow’s Goodness of Fit Test yaitu menguji hipotesis nol
bahwa data empiris cocok atau sesuai dengan model artinya tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit.
Jika nilai statistik Hosmer and Lemeshow Goodness of Fit Test lebih besar dari 0.05 maka hipotesis nol diterima.
Kelayakan model regresi diukur dengan nilai chi-square pada bagian bawah uji Hosmer and Lemeshow yang tertera dalam tabel 4.11
berikut ini:
Tabel 4.11 Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 5.914 8
.657 Sumber: data sekunder yang diolah, 2010
Pada tabel 4.11 terlihat bahwa besarnya nilai statistik Hosmer and Lemeshow
sebesar 5,914 dengan probabilitas signifikansi 0,657 yang nilainya di atas 0,05. Karena probabilitas 0,05 maka Ho diterima yang
menunjukkan bahwa model yang dihipotesakan fit dengan data. Hal ini berarti model mampu memprediksi nilai observasinya atau dapat dikatakan
model dapat diterima karena cocok dengan data observasinya.
4.1.3.2 Koefisien Determinasi
Kategori