Menentukkan Fungsi Diskriminan Penentuan Nilai Cut-off

107 kemampuan diskriminan. Variabel dependen respons Y bertipe kategorikdua pilihan yaitu: bank-bank yang bermasalah = 0 dan bank- bank yang tidak bermasalah = 1. Keterangan ini dapat dilihat dalam tabel 4.23 identifikasi data: Tabel 4.23 Identifikasi data Dependent Variable Encoding Original Value Internal Value Bermasalah Tidak bermasalah 1 Sumber : data diolah Dalam penelitian ini dengan menggunakan metode regresi logistik biner jumlah data yang diproses sebanyak 48 atau N = 48. Untuk melihat kelengkapan data yang diproses dalam penelitian ini dan tidak adanya misssing case ditunjukan pada tabel Case Processing Summary: Tabel 4.24 Data yang diproses Case Processing Summary Unweighted Cases a N Percent Selected Cases Included in Analysis 48 100.0 Missing Cases .0 Total 48 100.0 Unselected Cases .0 Total 48 100.0 a. If weight is in effect, see classification table for the total number of cases. Sumber: data diolah 108

c. Ketepatan Model Prediksi

Untuk menilai model yang lebih baik untuk memprediksi kemungkinan bank bermasalah, dilihat dari nilai statistic - 2LogLikelihood yaitu pada blok pertama block number = 0 terlihat nilai -2LogLikelihood sebesar 46.327 seperti yang terlihat pada: Tabel 4.25 Ketepatan Model dalam Memprediksi Kondisi Bermasalah Block Number = 0 Iteration History

a,b,c

Iteration -2 Log likelihood Coefficients Constant Step 0 1 46.685 1.250 2 46.329 1.453 3 46.327 1.466 4 46.327 1.466 a. Constant is included in the model. b. Initial -2 Log Likelihood: 46.327 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001. Sumber : data diolah Kemudian perhitungan nilai -2LogLikelihood pada blok kedua Block Number = 1terlihat nilai -2LogLikelihood sebesar 19.510 sehingga dapat dilihat terjadi penurunan pada blok kedua Block Number = 1 yang ditunjukkan pada tabel 4.26 sebagai berikut: 109 Tabel 4.26 Ketepatan Model dalam Memprediksi Kondisi Bermasalah Block Number = 1 Sumber : data diolah

d. Koefisien Cox Snell R Square and Nagelkerke R Square

Pada tabel model summary memberikan nilai statistik - 2LogLikelihood sebesar 19.510. semakin kecil nilai -2LogLikelihood semakin baik. Koefesien Cox Snell R Square and Nagelkerke R Square dapat diinterpretasikan sama seperti koefesien determinasi R 2 pada regresi linier berganda Uyanto, 2006: 235. Nilai maksimum Cox Snell R Square biasanya lebih kecil dari satu, sedangkan Nagelkerke R Square umumnya lebih besar dari nilai koefesien Cox Snell R Square . Nilai Cox Snell R Square besarnya sama dengan 0.428, sedangkan Nagelkerke R Square besarnya sama dengan 0.691 ditunjukkan pada tabel 4.27 sebagai berikut: Iteration History

a,b,c,d

Iteration -2 Log likelihood Coefficients Constant APM Step 1 1 27.430 -2.519 -.955 2 21.127 -4.322 -1.583 3 19.677 -5.709 -2.060 4 19.513 -6.373 -2.288 5 19.510 -6.489 -2.327 6 19.510 -6.491 -2.328 7 19.510 -6.491 -2.328 a. Method: Forward Stepwise Conditional b. Constant is included in the model. c. Initial -2 Log Likelihood: 46.327 d. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001.