4. Pengujian Hipotesis II
Dengan menggunakan metode stepwise maka dapat ditentukan variabel- variabel mana yang paling efisien didalam membedakan antar bank yang
bermasalah dan bank yang tidak bermasalah. Mahalanobis distance akan digunakan untuk prosedur stepwise guna menentukan variabel yang memiliki
kekuatan terbesar mendiskriminasi. Prosedur stepwise dimulai memasukkan variabel yang akan memaksimumkan Mahalanobis distance antar group. Dalam
hal ini minimum significant value 0.05 digunakan sebagai syarat entry variabel dan Mahalanobis D2 digunakan untuk memilih variabel. Hasil dari pengujian
hipotesis II ditunjukkan pada tabel 4.8 untuk model Altman.
Tabel 4.8 Variables EnteredRemoveda,b,c,d Model Altman
Step Entered
Min. D Squared Statistic
Exact F Statistic
Between Groups
Statistic df2
Sig. Statistic
df1 df2
Sig. 1
WCTA 4.988
Bank Tidak Bermasalah
and Bank Bermasalah
78.375 1
75.000 2.83E-013
2 MVEBVD
5.721 Bank Tidak
Bermasalah and Bank
Bermasalah 44.355
2 74.000
2.18E-013
At each step, the variable that minimizes the overall Wilks Lambda is entered. a Maximum number of steps is 10.
b Maximum significance of F to enter is .05. c Minimum significance of F to remove is .10.
d F level, tolerance, or VIN insufficient for further computation.
56
Tabel 4.9 Wilks Lambda Model Altman
Step Number
of Variables
Lambda df1 df2
df3 Exact F
Statistic df1
df2 Sig.
Statistic df1 df2
Sig. Statistic
1 1
.489 1
1 75
78.375 1
75.000 .000
2 2
.455 2
1 75
44.355 2
74.000 .000
Tabel 4.8 menyajikan variabel mana saja dari lima variabel pada model Altman yang bisa dimasukkan entered dalam persamaan diskriminan dimulai
dari variabel yang memiliki angka F statistik terbesar. Pada tahap pertama angka F hitung variabel WCTA adalah yang terbesar, mencapai 78.375. Sehingga pada
tahap pertama ini variabel WCTA terpilih. Selanjutnya pada tahap kedua diikuti oleh variabel MVEBVD. Kedua variabel ini memiliki angka signifikan lebih kecil
dari 0.05. Dengan demikian, dari lima variabel yang dimasukkan untuk rasio keuangan model Altman hanya ada dua variabel yang signifikan. Sehingga,
variabel WCTA dan MVEBVD secara signifikan mempengaruhi bermasalah atau tidaknya suatu bank, serta hasil stepwise ini mampu membedakan metode kondisi
bank berdasarkan pada nilai Wilk’s Lambda dan nilai minimum Mahalanobis distance.
57
Tabel 4.10 Variables in the Analysis Model Altman
Step Tolerance
Sig. of F to Remove
Min. D Squared
Between Groups
1 WCTA
1.000 .000
2 WCTA
.991 .000
1.128 Bank Tidak
Bermasalah and Bank
Bermasalah
MVEBVD .991
.021 4.988
Bank Tidak Bermasalah
and Bank Bermasalah
Untuk tabel 4.10 menunjukkan perincian dari proses stepwise pada tabel sebelumnya. Pada step 1, variabel WCTA adalah variabel pertama yang masuk ke
dalam model diskriminan. Hal ini disebabkan variabel tersebut mempunyai angka Sig. of F to Remove
yang paling sedikit, yakni 0,000 jauh dibawah 0,05. Kemudian pada step 2, dimasukkan variabel kedua yakni MVEBVD yang
mempunyai angka Sig. of F to Remove dibawah 0,05 yakni 0,021.
Tabel 4.11 Eigenvalues Model Altman
Function Eigenvalue
of Variance Cumulative
Canonical Correlation
1 1.199a
100.0 100.0
.738 a First 1 canonical discriminant functions were used in the analysis.
Pada tabel eigenvalues model Altman merupakan rasio antara jumlah kuadrat dalam kelompok dengan jumlah kuadrat antar kelompok. Persamaan
diskriminan yang dihasilkan tersebut mempunyai nilai eigenvalues sebesar 1.199 yang mampu menjelaskan 100 nilai koreksi antara persamaan diskriminan
dengan kelompok yang telah didefinisikan diukur dengan nilai canonical
58
correlation sebesar 0,738 yang berarti bahwa hubungan antara persamaan
diskriminan dengan kelompok yang telah didefinisikan sebesar 73,8. Sementara kemampuan persamaan diskriminan mampu menjelaskan
varians dari variabel dependen yang diperoleh dari nilai canonical correlation yang dikuadratkan sehingga diperoleh nilai 0,5446 atau 54,46 varians dari
variabel dependen yang hendak dibedakan oleh variabel independen dapat dijelaskan melalui persamaan diskriminan yang telah dihasilkan.
Hasil pengujian hipotesis II untuk model Springate adalah sebagai berikut :
Tabel 4.12 Variables EnteredRemoveda,b,c,d Model Springate
Step Entered
Min. D Squared Statistic
Exact F Statistic
Between Groups
Statistic df2
Sig. Statistic
df1 df2
Sig. 1
WCTA 4.988
Bank Tidak Bermasalah
and Bank Bermasalah
78.375 1
75.000 2.83E-013
At each step, the variable that maximizes the Mahalanobis distance between the two closest groups is entered.
a Maximum number of steps is 8. b Maximum significance of F to enter is .05.
c Minimum significance of F to remove is .10. d F level, tolerance, or VIN insufficient for further computation.
Tabel 4.13 Wilks Lambda Model Springate
Step Number of
Variables Lambda df1
df2 df3
Exact F Statistic
df1 df2
Sig. Statistic
df1 df2
Sig. Statistic
1 1
.489 1
1 75
78.375 1
75.000 .000
59
Tabel 4.12 menyajikan variabel mana saja dari empat variabel pada model Springate yang bisa dimasukkan entered dalam persamaan diskriminan dimulai
dari variabel yang memiliki angka F statistik terbesar. Pada tahap pertama angka F hitung variabel WCTA adalah yang terbesar, mencapai 78.375. Sehingga pada
metode stepwise ini hanya variabel WCTA yang terpilih. Variabel WCTA ini memiliki angka signifikan lebih kecil dari 0.05, dengan demikian, dari empat
variabel yang dimasukkan untuk rasio keuangan model Springate hanya ada satu variabel yang signifikan. Sehingga, variabel WCTA secara signifikan
mempengaruhi bermasalah atau tidaknya suatu bank, serta hasil stepwise ini mampu membedakan metode kondisi bank berdasarkan pada nilai Wilk’s Lambda
dan nilai minimum Mahalanobis distance.
Tabel 4.14 Variables in the Analysis Model Springate
Step Tolerance
Sig. of F to Remove
1 WCTA
1.000 .000
Untuk tabel 4.14 menunjukkan perincian dari proses stepwise pada tabel sebelumnya. Pada metode stepwise ini hanya variabel WCTA yang masuk ke
dalam model diskriminan. Hal ini disebabkan variabel tersebut mempunyai angka Sig. of F to Remove
yang paling sedikit, yakni 0,000 jauh dibawah 0,05.
Tabel 4.15 Eigenvalues Model Springate
Function Eigenvalue
of Variance Cumulative
Canonical Correlation
1 1.045a
100.0 100.0
.715 a First 1 canonical discriminant functions were used in the analysis.
60
Pada tabel eigenvalues model Springate merupakan rasio antara jumlah kuadrat dalam kelompok dengan jumlah kuadrat antar kelompok. Persamaan
diskriminan yang dihasilkan tersebut mempunyai nilai eigenvalues sebesar 1.045 yang mampu menjelaskan 100 nilai koreksi antara persamaan diskriminan
dengan kelompok yang telah didefinisikan diukur dengan nilai canonical correlation
sebesar 0,715 yang berarti bahwa hubungan antara persamaan diskriminan dengan kelompok yang telah didefinisikan sebesar 71,5.
Sementara kemampuan persamaan diskriminan mampu menjelaskan varians dari variabel dependen yang diperoleh dari nilai canonical correlation
yang dikuadratkan sehingga diperoleh nilai 0,5112 atau 51,12 varians dari variabel dependen yang hendak dibedakan oleh variabel independen dapat
dijelaskan melalui persamaan diskriminan yang telah dihasilkan. Penelitian ini menjelaskan variabel prediktor mana yang mempunyai
discriminating power dalam memprediksi kondisi bermasalah bank pada model
Altman maupun model Springate sehingga mendukung hipotesis II yang diajukan oleh peneliti bahwa Model Altman dan Model Springate memiliki variabel
prediktor yang mempunyai discriminating power dalam memprediksi kondisi bermasalah bank.
5. Pengujian Hipotesis III