5. Struktur kepemilikan
pihak asing
6. Likuiditas Saham yang dimiliki
pihak asing dibagi dengan total saham
Perbandingan asset lancar dengan kewajiban lancar
Total saham Saham asing
Kewajiban Lancar Asset Lancar
Rasio
4.6. Metode Analisis Data
Pengujian hipotesis dilakukan dengan analisis multivariat dengan menggunakan regresi logistik logistic regression.Regresi logistik adalah regresi
yang variabel bebasnya merupakan kombinasi antara metrik dan non metrik nominal Ghozali, 2005. Regresi logistik tidak memerlukan uji normalitas dan uji
asumsi klasik pada variabel bebasnya. Gujarati 2003 menyatakan bahwa regresi logistik mengabaikan heteroscedasity, artinya variabel terikat tidak memerlukan
homoscedacity untuk masing-masing variabel bebasnya.
4.6.1. Fungsi Logistik
Universitas Sumatera Utara
Regresi logistik adalah sebuah pendekatan model matematik yang dapat digunakan untuk menggambarkan hubungan beberapa variabel X dengan variabel
dependen yang dikotomuspolitomus Kleinbaum Klein, 2002. Model ini digunakan untuk menyelesaikan permasalahan hubungan antara variabel dependen
yang berupa variabel dichotomous maupun polytomous dengan variabel independen yang dapat berupa variabel ordinal, nominal maupun rasio. Penyelesaian
permasalahan ini menggunakan pendekatan persamaan non linear yaitu model logistik dengan persamaan regresi logistik. Regresi logistik membentuk persamaan
atau fungsi dengan pendekatan maximum likelihood, yang memaksimalkan peluang
pengklasifikasian objek yang diamati menjadi kategori yang sesuai kemudian mengubahnya menjadi koefisien regresi yang sederhana. Dua nilai yang biasa
digunakan sebagai variabel dependen yang diprediksi adalah 0 dan 1 ex. 1=berhasil, 0=gagal.
Regresi logistik menghasilkan rasio peluang odds ratios antara keberhasilan atau
kegagalan suatu dari analisis. Regresi logistik akan membentuk variabel prediktorrespon log p1-p yang merupakan kombinasi linier dari variabel
independen. Nilai variabel prediktor ini kemudian ditransformasikan menjadi probabilitas dengan
fungsi logit. Asumsi-asumsi dalam regresi logistik biner adalah :
1. Tidak mengasumsikan hubungan linier antar variabel dependen dan
independen 2.
Variabel dependen harus bersifat dikotomi 2 variabel
Universitas Sumatera Utara
3. Variabel independen tidak harus memiliki keragaman yang sama antar
kelompok variabel 4.
Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat eksklusif
5. Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan
hingga 50 sampel data untuk sebuah variabel prediktor bebas.
4.6.2. Persamaan Regresi Logistik
Regresi logistik menghasilkan rasio peluang yang dinyatakan dengan transformasi fungsi logaritma log, dengan demikian fungsi transformasi log ataupun
ln diperlukan untuk p-value, dengan demikian dapat dinyatakan bahwa logitp merupakan log dari peluang odds ratio atau likelihood ratio dengan kemungkinan
terbesar nilai peluang adalah 1, dengan demikian persamaan regresi logistik menjadi: logitp = log p1-p = ln p1-p
dimana p bernilai antara 0-1. Model yang digunakan pada regresi logistik adalah:
Log P 1 – p = β
+ β
1
X
1
+ β
2
X
2
+ …. + β
k
X Dimana p adalah kemungkinan bahwa Y = 1, dan X1, X2, X3 adalah variabel
independen, dan b adalah koefisien regresi.
k
Logit log odds merupakan koefisien slope b dari persamaan regresi. Slope disini adalah perubahan nilai rata-rata dari Y dari satu unit perubahan nilai X. Regresi
logistik melihat perubahan pada nilai variabel dependen yang ditransformasi menjadi
Universitas Sumatera Utara
peluang, bukan nilai aslinya seperti pada regresi linier. Nilai odds ratio biasanya dapat kita lihat pada kolom expB pada ‘variables in the equation’ output SPSS.
Kecocokan Model model fit dan fungsi likelihood Likelihood berarti juga peluang atau probabilitas untuk hipotesis tertentu. Seperti
yang kita ketahui pada kurva regresi linier kita lihat adanya hubungan linier, peningkatan pada sumbu Y akan diikuti dengan peningkatan pada sumbu X dan
sebaliknya. Tetapi pada regresi logistik dengan nilai Y antara 0 dan 1, pendekatan linier tidak bisa kita gunakan. Oleh karena itu metode maximum likelihood sangat
berguna dalam menentukan kecocokan model yang tepat bagi persamaan yang kita miliki.
Hipotesis dalam regresi logistik antara lain: 1.
h 2.
h = ketika persamaan regresi bernilai 0 [logitp = 0].
1
Regresi logistik merupakan regresi non linier dimana model yang ditentukan akan mengikuti pola kurva linier seperti gambar di bawah ini.
= persamaan regresi berbeda nyata dari 0 [logitp ≠ 0].
Universitas Sumatera Utara
Gambar 4.1. Kurva Regressi Logistik
Regresi logistik juga menghasilkan rasio peluang odds ratios terkait dengan nilai setiap prediktor. Peluang odds dari suatu kejadian diartikan sebagai probabilitas
hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang odds ratios merupakan sekumpulan peluang yang
dibagi oleh peluang lainnya. Rasio peluang bagi predictor diartikan sebagai jumlah relatif dimana peluang hasil meningkat rasio peluang 1 atau turun rasio peluang
1 ketika nilai variabel prediktor meningkat sebesar 1 unit.
4.6.3. Model Regresi logistik yang digunakan