Gambaran Umum Deskripsi Variabel

42 hutangnya maksimal sebesar 86,61. Rata-rata kemampuan perusahaan dalam membayar bunga atas hutangnya sebesar 4,6455. Dengan kata lain biaya bunga dapat ditutup 4,6455 kali laba sebelum beban bunga dan pajak. Menurut Kasmir 2010:126, rata-rata industri untuk rasio kecukupan bunga sebesar 10 kali. Rata- rata kecukupan bunga keseluruhan perusahaan berada di bawah rata-rata industri. Ini menandakan kondisi sebagian besar perusahaan memiliki tingkat kecukupan bunga yang kurang baik karena masih dibawah rata-rata industri. tabel 5.2.1 Tabel interprestasi Variabel Rasio Mean Kriteria rata-rata industry Interprestasi Leverage 0,31 31 35 baik Likuiditas 1,37 kali 2 kali Kurang baik Solvabilitas 0,10 10 35 Kurang baik Profitabilitas 0,24 24 30 Kurang baik Produktifitas 0,53 kali 2 kali Kurang baik Kecukupan Bunga 4,64 kali 10 kali Kurang baik

5.3 Uji Hipotesis

5.3.1 -2 Log Likelihood

Sebelum dilakukan pengujian hipotesis, nilai -2 log likehood perlu diketahui untuk menilai apakah model fit atau tidak. Nilai -2 log lokehood dapat dilihat dari statistik -2 log likehood. Nilai -2 log likehood menurun bila 43 dibandingkan antara iterasi pada block 0 dengan iterasi blok 1. Penurunan nilai dari 47,532 pada block 0 menjadi 33,689 pada block 1 lihat tabel 4.3. Penurunan nilai menunjukkan bahwa model baik, sehingga dapat dikatakan bahwa model fit terpenuhi. Tabel 5.3 -2 log likelihood Block 0: Beginning Block Iteration Historya,b,c Iteration -2 Log likelihood Coefficients Constant Constant Step 0 1 48.006 1.294 2 47.534 1.523 3 47.532 1.540 4 47.532 1.540 Block 1: Method = Enter Iteration Historya,b,c,d Iteration -2 Log likelihood Coefficients Constant x1 x2 x3 x4 x5 x6 Constant S t e p 1 1 33.689 -.004 -.734 .289 1.939 .491 .529 .003 2 25.313 -.873 -1.126 .649 4.110 1.010 1.079 .006 3 20.590 -2.049 -1.376 1.254 7.034 1.485 1.852 .024 4 17.119 -3.609 -1.494 1.783 10.354 2.132 2.732 .198 5 15.135 -5.021 -1.876 2.031 14.061 3.366 2.681 .479 6 14.513 -6.065 -2.338 2.089 17.665 4.592 2.301 .729 7 14.467 -6.483 -2.504 2.177 19.218 5.023 2.194 .808 8 14.467 -6.526 -2.520 2.190 19.395 5.063 2.191 .814 9 14.467 -6.526 -2.520 2.190 19.397 5.063 2.191 .814 10 14.467 -6.526 -2.520 2.190 19.397 5.063 2.191 .814 Sumber: hasil pengolahan data SPSS 44

4.3.2 Nagelkerke R

2 Nilai Nagelkerke R 2 digunakan untuk melihat berapa persen dari variasi variabel dependen peringkat obligasi dijelaskan oleh variabel independen leverage, solvabilitas, likuiditas, profitabiitas, produktifitas, dan kecukupan bunga. Berikut merupakan data Nagelkerke R 2 dari perhitungan SPSS pada tabel 4.4. Tabel 5.4 Nagelkerke R 2 Sumber: hasil pengolahan data SPSS Pada tabel 4.4 dapat diketahui bahwa nilai Nagelkerke R 2 adalah 0.766. Hal ini menunjukkan 76.6 rating obligasi dapat dijelaskan oleh variabel leverage , likuiditas, solvabilitas, profitabilitas, produktivitas dan kecukupan bunga. Sedangkan sisanya 23,4 100 - 76,6 dijelaskan oleh sebab-sebab lain yang berpengaruh terhadap rating obligasi selain variabel-variabel indenpenden yang di teliti. Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 14.467 .464 .766 45

5.3.3 Hosemer and Lemeshow

Nilai Hosmer and Lemeshow test digunakan untuk mengetahui apakah model fit dengan data observasi penelitian. Pengujian ini dilakukan dengan melihat nilai sig. pada tabel Hosmer and Lemeshow yang ada. Tabel 5.5 Hosmer and Lemeshow Step Chi-square Df Sig. 1 2.839 8 .977 Sumber: hasil pengolahan data SPSS Pada tabel 4.5 terlihat bahwa nilai sig. sebesar 0.977 dimana nilainya jauh lebih besar dari 0,05 oleh karena itu, dapat disimpulkan bahwa nilai Hosmer and Lemeshow tidak signifikan atau model fit dengan data observasi penelitian.

5.3.4 Tingkat Ketepatan Prediksi Model

Pada pengujian ini akan diperoleh hasil secara statistik berupa jumlah data yang diprediksi sebagai kedua kategori dan berapa jumlah yang actual sehingga dapat membandingkan keduany Tabel 5.6 Tingkat Ketepatan Prediksi Observed Predicted GRADE Percentage Correct NON INVESTMENT GRADE INVESTM ENT GRADE NON INVESTMENT GRADE Step 1 GRADE NON INVESTMENT GRADE 8 1 88.9 INVESTMENT GRADE 2 40 95.2 Overall Percentage 94.1 Sumber: hasil pengolahan data SPSS 46 Tabel 4.6 di atas menunjukkan hasil ketepatan prediksi model dengan nilai 94.1 untuk keseluruhan kategori yang ada. Menurut prediksi, dari 3 perusahaan yang temasuk dalam kategori non investment grade terdapat 9 laporan keuangan, sedangkan hasil observasi hanya 8 laporan keuangan, sehingga ketepatan klasifikasi sebesar 88.9 89. Ini menandakan bahwa terdapat 9 laporan keuangan yang termasuk dalam kategori non investment grade, 8 laporan keuangan diantaranya diprediksi akan tetap pada kategori non investment grade. Dan sisanya 1 laporan keuangan yang di prediksi masuk kedalam kategori investment grade. Untuk perusahaan yang temasuk dalam kategori investment grade terdapat 42 laporan keuangan yang diperoleh dari 14 perusahaan, sedangkan hasil observasi terdapat 40 laporan keuangan. Sehingga ketepatan klasifikasi sebesar 95,2 4042. Ini menandakan bahwa terdapat 42 laporan keuangan yang termasuk dalam kategori investment grade, 40 laporan keuangan diantaranya di prediksi akan tetap pada kategori investment grade dan sisanya 2 laporan keuangan yang di prediksi masuk ke dalam kategori non investment grade.