b,c b,c,d

61 multikolinearitas terjadi apabila nilai korelasi antar variabel independen lebih besar dari 0,90 Ghozali, 2006:91.Berdasarkan hasil ini dapat disimpulkan bahwa penelitian ini lolos dari uji gejala multikolinearitas. Tabel 4.4 Uji Multikolinearitas dengan Matriks Korelasi Correlation Matrix Constant SIZE UMUR LEV AUD FO LIKUID PROF Step 1 Constant 1.000 .046 -.675 -.078 -.286 -.340 -.339 .082 SIZE .046 1.000 -.184 -.245 -.100 .038 .012 .111 UMUR -.675 -.184 1.000 -.005 -.043 -.106 -.183 -.232 LEV -.078 -.245 -.005 1.000 .040 -.235 .249 -.363 AUD -.286 -.100 -.043 .040 1.000 .156 .215 -.024 FO -.340 .038 -.106 -.235 .156 1.000 .069 .466 LIKUID -.339 .012 -.183 .249 .215 .069 1.000 -.242 PROF .082 .111 -.232 -.363 -.024 .466 -.242 1.000 Sumber: hasil olahan software SPSS 4.4Menguji Model Fit Overall Model Fit Test Pengujian model fit ini digunakan untuk melihat model yang telah dihipotesiskan, apakah telah fit dengan data atau tidak. Uji fit dilakukan dengan membandingkan antara nilai -2 log likelihood pada awal block number = 0 dengan nilai -2 log likelihood pada akhir block number = 1.Nilai -2 log likelihood awal pada block number = 0, dapat ditunjukkan melalui tabel berikut ini Tabel 4.5. Tabel 4.5 Nilai -2 Log likelihood -2 LL Awal Iteration History

a,b,c

62 Iteration -2 Log likelihood Coefficients Constant Step 0 1 59.427 1.172 2 59.139 1.336 3 59.139 1.344 4 59.139 1.344 a. Constant is included in the model. b. Initial -2 Log Likelihood: 59.139 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001. Sumber: hasil olahan software SPSS Nilai -2 log likelihood akhir pada block number = 1, dapat dilihat pada Tabel 4.6 Tabel 4.6 Nilai -2 Log likelihood -2 LL Akhir Iteration History

a,b,c,d

Iteration -2 Log likelihood Coefficients Consta nt SIZE UMU R LEV AUD FO LIKUI D PROF Step 1 1 50.109 .231 .000 -.013 .001 .398 1.343 .080 5.216 2 45.829 -.059 .000 -.022 -.093 .744 2.355 .122 10.088 3 45.005 -.179 .000 -.027 -.194 .942 2.975 .128 13.627 4 44.961 -.199 .000 -.028 -.230 .991 3.155 .126 14.700 5 44.961 -.200 .000 -.028 -.232 .994 3.166 .126 14.767 6 44.961 -.200 .000 -.028 -.232 .994 3.166 .126 14.768 a. Method: Enter b. Constant is included in the model. c. Initial -2 Log Likelihood: 59.139 d. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001. Sumber: hasil olahan software SPSS 63 Dari Tabel 4.5 dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan konstanta yang dapat dilihat pada step 4, memperoleh nilai sebesar 59.139. Kemudian pada Tabel 4.6 dapat dilihat nilai - 2log likelihood akhir dengan block number = 1, nilai -2log likelihoodpada step 1iterasi 6 adalah 44.961. Adanya penurunan nilai dari -2LL awal initial -2LLfunction dengan nilai - 2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang dihipotesis fit dengan data Ghozali, 2006.Penurunan nilai -2log likelihood menunjukkan bahwa model penelitian ini dinyatakan fit, yang berarti penambahan-penambahan variabel bebas yakni size, umur listing, leverage,reputasi auditor, struktur kepemilikan pihak asing Foreign Ownership, likuiditas, dan profitabilitas kedalam model penelitian ini akan memperbaiki model fit dalam penelitian. 4.5Menguji Kelayakan Model Regresi Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur berdasarkan nilai Chi – Square pada Tabel Hosmer and Lameshow Test Tabel 4.7. Tabel 4.7 Hosmer and Lemeshow Test Hosmer and Lemeshow Test Step Chi-square Df Sig. 1 9.194 8 .326 Sumber: hasil olahan software SPSS Berdasarkan Tabel 4.7, diketahui nilai statistik Chi-Square adalah 9,194. Tabel 4.8 Perhitungan Chi-Square Tabel dengan Microsoft Excel 64 Berdasarkan Tabel 4.8, diketahui nilai Chi-Square Tabel bernilai 15,507. Perlu dilakukan pembandingan antara nilai statistik Chi-Square Tabel dan nilai statistik Chi-Square agar dapat ditentukan apakah model layak atau tidak layak. ����� ������ −����� ℎ�� 2 ≤ � ������ 2 , ��������������. ����� ������ −����� ℎ�� 2 � ������ 2 , ��������������������. Diketahui bahwa nilai statistik Chi-Square 9,194 lebih kecil dibandingkan nilai Chi-Square Tabel 15,507, maka dapat disimpulkan bahwa model cukup layak dalam mencocokkan fit data. Untuk menentukan apakah model layak atau tidak juga dapat diketahui dengan membandingkan nilai probabilitas dari uji Hosmer – LameshowPearson Chi-Square terhadap tingkat signifikansi yang digunakan. ��������������������� ≥ �������������������, ��������������. ��������������������� �������������������, ��������������������. Berdasarkan Tabel 4.7, diketahui nilai probabilitas sebesar 0.326. perhatikan bahwa karena nilai probabilitas0.326 lebih besar dibandingkan tingkat signifikansi0.05, maka dapat disimpulkan bahwa model cukup layak dalam mencocokkan data.

4.6 Koefisien Determinasi Nagelkerke R Square