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.