July 24, 2024

Menginterpretasikan Hasil Analisis Regresi Logistik

4 min read

firegresi

Analisis data dalam penelitian ini dilakukan dengan menggunakan regresi logistik. Ghozali (2001:225) menyatakan bahwa regresi logistik digunakan untuk menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Teknik analisis regresi logistik tidak memerlukan asumsi normalitas data pada variabel bebasnya (Ghozali, 2001:225), dan mengabaikan heteroskedastisitas (Gujarati, 2003:597).

Menilai 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). Nilai statistik Hosmer and Lemeshow’s Goodness of Fit Test adalah 4.573 dengan probabilitas signifikansi 0,334 yang nilainya jauh di atas 0,05. Dengan demikian dapat disimpulkan bahwa model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya.

Hasil Hosmer and Lemeshow’s Goodness of Fit Test dapat dilihat pada Lampiran 1. Adapun hasil penilaian kelayakan model regresi disajikan pada Tabel di bawah ini.

Tabel Hasil Penilaian Kelayakan Model Regresi

tabel1

Menilai keseluruhan model (overall model fit)

Penilaian keseluruhan model dilakukan dengan membandingkan nilai antara -2 Log Likelihood (-2LL) pada awal (Block Number = 0), dimana model hanya memasukkan konstanta dengan nilai -2 Log Likelihood (-2LL) pada akhir (Block Number = 1), dimana model memasukkan konstanta dan variabel bebas. Nilai -2LL awal adalah sebesar 99.108 dan setelah dimasukkan tiga variabel independen, maka nilai -2LL akhir mengalami penurunan menjadi sebesar  68.269. Penurunan nilai 2LL ini menunjukkan model regresi yang baik atau dengan kata lain model yang dihipotesiskan fit dengan data. Hasil penilaian keseluruhan model dapat dilihat pada Lampiran 1. Adapun hasil penilaian keseluruhan model (overall model fit) disajikan pada tabel di bawah ini.

Tabel Hasil Pengujian Penilaian Keseluruhan Model dengan Membandingkan Nilai Antara -2 Log Likelihood (-2LL) Pada Awal (Block Number = 0)

tabel2

Koefisien determinasi (Nagelkerke R square)

Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan dengan nilai Nagelkerke R square. Berdasarkan hasil pengujian yang ditunjukkan pada Lampiran 1, nilai Nagelkerke R square adalah sebesar 0,460 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 46 persen, sedangkan sisanya sebesar 54 persen dijelaskan oleh variabel-variabel lain di luar model penelitian.

Tabel Hasil Pengujian Nagelkerke R square

tabel3

Tabel Klasifikasi

Tabel klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi probabilitas penerimaan opini audit going concern oleh perusahaan. Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan terjadinya variabel terikat dinyatakan dalan persen. Hasil tabel klasifikasi ditampilkan dalam Tabel.

Tabel Klasifikasi

tabel4

Tampilan dalam Tabel tersebut menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan perusahaan menerima opini audit going concern adalah sebesar 72 persen. Hal ini menunjukkan bahwa dengan menggunakan model regresi tersebut, terdapat sebanyak perusahaan 47 (91.5%) yang diprediksi akan menerima opini audit going concern dari total 75 data perusahaan sampel selama periode pengamatan (2009-2011) yang menerima opini audit going concern. Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan perusahaan menerima opini audit non going concern adalah 39.3 persen. Hal ini berarti bahwa dengan model regresi tersebut, terdapat sebanyak 28 perusahaan (39.3%) yang diprediksi menerima opini audit non going concern dari total 75 data perusahaan sampel selama periode pengamatan (2009-2011) yang menerima opini audit non going concern.

Uji multikolinearitas

Model regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat di antara variabel bebasnya. Pengujian multikolinearitas dalam regresi logistik menggunakan matriks korelasi antarvariabel bebas untuk melihat besarnya korelasi antarvariabel bebas. Hasil pengujian ditampilkan dalam Tabel berikut :

Tabel Matriks Korelasi

tabel5

Estimasi parameter dari model dan tingkat signifikansinya dapat dilihat pada Tabel 7. pada tabel di bawah ini.

Tabel Variables in The Equation

tabel7

Hasil pengujian menunjukkan tidak ada nilai koefisien korelasi antar variabel yang lebih kecil dari 0,8. Dengan demikian dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas yang serius antar variabel bebas tersebut.

Model Regresi Logistik yang terbentuk dan Pengujian Hipotesis

Model regresi logistik dapat dibentuk dengan melihat pada nilai estimasi paramater dalam Variables in The Equation. Model regresi yang terbentuk berdasarkan nilai estimasi parameter dalam Variables in The Equation adalah sebagai berikut ini.

tabel6

Pengujian hipotesis dilakukan dengan cara membandingkan antara tingkat signifikansi (sig) dengan tingkat kesalahan (α) = 5%. Berdasarkan Tabel 5.6 dapat diinterpretasikan hasil sebagai berikut ini.

1. Pengujian hipotesis pertama (H1)

Hipotesis pertama menyatakan bahwa kualitas audit berpengaruh positif pada opini audit going concern. Hasil pengujian menunjukkan variabel kualitas audit yang diproksikan dengan skala KAP (big 4 dan non Big 4) memiliki koefisien regresi positif sebesar 1.261 dengan tingkat signifikansi 0,252 yang lebih besar dari α (5%). Berdasarkan hal tersebut dapat disimpulkan bahwa variabel kualitas audit tidak berpengaruh pada opini audit going concern atau dengan kata lain H1 ditolak.

2. Pengujian hipotesis kedua (H2)

Hipotesis kedua menyatakan bahwa kondisi keuangan perusahaan berpengaruh negatif terhadap opini audit going concern. Hasil pengujian menunjukkan variabel kondisi keuangan perusahaan yang  diproksikan dengan Z score memiliki koefisien regresi negatif sebesar -21.507 dengan tingkat signifikansi 0,998 yang lebih besar dari α (5%). Berdasarkan hal tersebut dapat disimpulkan bahwa variabel kondisi keuangan perusahaan tidak berpengaruh terhadap opini audit going concern atau dengan kata lain H2 ditolak.

3.Pengujian hipotesis ketiga (H3)

Hipotesis ketujuh menyatakan bahwa debt default berpengaruh positif terhadap opini audit going concern. Hasil pengujian menunjukkan variabel debt default memiliki koefisien regresi positif sebesar 1.693 dengan tingkat signifikansi 0,044 yang lebih kecil dari α (5%). Berdasarkan hal tersebut dapat disimpulkan bahwa variabel debt default berpengaruh terhadap opini audit going concern atau dengan kata lain H3 diterima. Hal ini menunjukkan bahwa semakin tinggi status debt default perusahaan maka akan semakin besar kemungkinan perusahaan untuk menerima opini audit going concern.

Sumber:

Ghozali, Imam. 2001. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang:Badan Penerbit Universitas Diponegoro.

Gujarati, Damodar,  2003, Ekonometrika Dasar , Erlangga: Jakarta.

0 thoughts on “Menginterpretasikan Hasil Analisis Regresi Logistik

  1. nilai chi square, df dan sig d tabel hosmer and lemeshow test untuk menilai apa?

    nilai B, S.E, Wald, Df, sig dan exp(B) juga untuk menilai apa?

    kalau ingin mengetahui variabel yg plibg dominan bagaimana?

    mohon bantuannya ya 🙂

Leave a Reply

Your email address will not be published. Required fields are marked *

Copyright © All rights reserved. | Newsphere by AF themes.