informasi lainnya yang mendukung dan relevan terhadap permasalahan yang akan diteliti dari berbagai literatur dan media internet seperti buku-buku ilmiah, jurnal-
jurnal penelitian, penelitian-penelitian terdahulu, dan data-data lainnya yang diperoleh dari situs resmi Bursa Efek Indonesia BEI: www.idx.co.id dan
http:finance.yahoo.com.
3.8 Teknik Analisis Data
3.8.1 Statistik Deskriptif
Statistik deskriptif adalah proses pengumpulan, penyajian peringkasan berbagai karakteristik data untuk memberikan informasi dan gambaran yang
dilihat dari nilai rata-rata, standar deviasi, nilai maksimum dan nilai minimum. Analisis ini digunakan untuk melihat apakah data dari variabel yang digunakan
terdistribusi secara normal atau tidak. 3.8.2 Analisis Regresi Logistik
Regresi logistik adalah bagian dari analisis regresi yang digunakan ketika variable dependen respon merupakan variable dikotomi. Variabel dikotomi
biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1. Regresi logistik ini
digunakan untuk menguji apakah probabilitas terjadinya variable terikat dapat diprediksi dengan variabel bebasnya. Regresi logistik tidak mengasumsikan
hubungan antara variable independen dan variabel dependen secara linier Situmorang dan Muslich, 2011:209.
Regresi logistik digunakan karena memiliki beberapa aspek kelebihan, yang pertama regresi logistik mengandalkan ketelitian pertemuan asumsi
Universitas Sumatera Utara
normalitas multivariate dan kesamaan varian-kovarian matrik semua kelompok, dimana situasi ini sulit ditemukan. Kedua, bahkan jika asumsi ini ditemukan,
banyak peneliti lebih menyukai logit analisis karena logit analisis sama dengan regresi dengan uji statistic
straight forward
dan metode regresi logistik memiliki kemampuan untuk menggabungkan pengaruh
nonlinier
. Yang ketiga, regresi logistik sama dengan diskriminan analisis namun lebih tepat digunakan dalam
kondisi-kondisi tertentu seperti data tidak normal, terdapat multikolinieritas antar variabel independen dan pelanggaran asumsi klasik lainnya Putro, 2012.
Kuncoro 2009 mengatakan bahwa regresi logistik memiliki beberapa kelebihan dibandingkan teknik analisis lain yaitu:
1. Regresi logistik tidak memiliki asumsi normalitas dan heteroskedastisitas atas variabel bebas yang digunakan dalam model sehingga tidak diperlukan uji
asumsi klasik walaupun variabel independen berjumlah lebih dari satu. 2. Variabel independen dalam regresi logistik bisa campuran dari variabel
kontinu, distrik, dan dikotomis. 3. Regresi logistik tidak membutuhkan keterbatasan dari variable independennya.
4. Regresi logistik tidak mengharuskan variabel bebasnya dalam bentuk interval. Secara umum model regresi logistik dapat dinyatakan sebagai berikut:
Ln =b
+ b
1
X
1
+b
1
X
1
+b
2
X
2
+…+b
n
X
n
… … Keterangan:
p = probabilitas variabel dependen
Universitas Sumatera Utara
e = logaritma natural b
o
= konstanta regresi b
1,
b
2, …,
b
n
= koefisien regresi X
1,
X
2, …,
X
n
= variabel independen Analisis pengujian model regresi logistik Ghozali 2006 ; Kuncoro 2009;
Gujarati 2003 dalam Putro 2012: 1. Menilai model regresi
Logistic regression
adalah model regresi yang sudah mengalami modifikasi sehingga karakteristiknya sudah tidak sama lagi dengan model regresi sederhana
atau berganda. Oleh karena itu penentuan signifikansinya secara statistic berbeda. Dalam menilai model regresi logistik termasuk
probit
dan
tobit
dapat dilihat dari pengujian
Hosmer and Lemeshow’s goodness of fit. Pengujian ini dilakukan untuk menilai model yang dihipotesiskan agar data empiris cocok atau sesuai dengan
model. Jika nilai statistik Hosmer and Lemeshow’s goodness of fit test sama
dengan atau kurang dari 0,05 maka hipotesis nol ditolak. Sedangkan jika nilainya lebih besar dari 0,05 maka
hipotesis nol tidak dapat ditolak artinya model mampu memprediksi nilai observasinya atau cocok dengan data.
H = model yang dihipotesiskan fit dengan data
Ha = model yang dihipotesiskan tidak fit dengan data 2
. Menilai keseluruhan model
overall model fit
Untuk menilai keseluruhan model ditunjukkan dengan
log likehood value
nilai yaitu dengan cara membandingkan antara nilai pada awal
block number
= 0 dimana model hanya memasukkan konstanta dengan setelah mode memasukkan
Universitas Sumatera Utara
variabel bebas
block number
= 1. Apabila nilai
block number
= 0 nilai
block number
= 1 maka menunjukkan model regresi yang baik.
Log likehood
pada regresi logistik mirip dengan pengertian
“sum of square error” pada model regresi sehingga penurunan
log likehood
menunjukkan model regresi semakin baik.
3. Menguji koefisien regresi Pengujian koefisien regresi dilakukan untuk menguji seberapa jauh semua
variabel bebas yang dimasukkan dalam model mempunyai pengaruh terhadap variabel terikat. Hasil pengujian didapat dari program SPSS berupa tampilan
table variables in the equation
. Dari tabel tersebut didapat nilai koefisien nilai
wald statistic
dan signifikansi. Untuk menentukan penerimaan atau penolakan H dapat
ditentukan dengan menggunakan
wald statistic
dan nilai probabilitas
sig
dengan cara nilai
wald statistic
dibandingkan dengan
chi square
tabel sedangkan nilai probabilitas
sig
dibandingkan dengan tingkat signifikansi α 5 dengan kriteria:
a H tidak dapat ditolak apabila
wald statistic chi square
tabel dan nilai probabilitas
sig
tingkat signifikansi α. Hal ini berarti Ha ditolak atau hipotesis yang menyatakan variabel bebas berpengaruh terhadap variabel terikat
ditolak. b H
dapat ditolak apabila
wald statistic chi square
tabel dan nilai probabilitas
sig
tingkat signifikansi α. Hal ini berarti Ha diterima atau hipotesis yang menyatakan variabel bebas berpengaruh terhadap variabel terikat diterima.
Universitas Sumatera Utara
4. Koefisien regresi dapat dilihat dari nilai B pada tampilan tabel
variables in the equation
. Tanda yang didapat dari nilai B tersebut menyatakan pengaruh dari variabel bebas terhadap variabel terikat.
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskriptif Objek Penelitian
Gambaran singkat objek penelitian ini mengkaji tentang profil perusahaan yang menjadi sampel penelitian ini. Populasi yang digunakan dalam penelitian
adalah seluruh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2011-2013 yang berjumlah 121 perusahaan. Sampel perusahaan tersebut
kemudian dipilih dengan menggunakan kriteria sampel penelitian. Perusahaan yang dijadikan objek dalam penelitian ini adalah perusahaan yang terdaftar di
Bursa Efek Indonesia tahun 2011-2013, dan perusahaan tersebut mempunyai data yang lengkap. Setelah dilakukan seleksi pemilihan sampel sesuai kriteria yang
telah ditentukan maka diperoleh 54 perusahaan setiap tahunnya yang memenuhi kriteria sampel. Jumlah perusahaan yang menjadi sampel penelitian ini dapat
dilihat pada Tabel 4.1.
Tabel 4.1 Jumlah Sampel Penelitian
No. Kriteria
Jumlah 1.
Seluruh perusahaan manufaktur di BEI 121
2. Perusahaan yang laporan keuangannya tidak lengkap
42 3.
Perusahaan yang menggunakan
dollar
pada laporan keuangan 25
Jumlah Sampel 54
4.2 Hasil Statistik Deskriptif Penelitian
Berdasarkan data yang diinput dari www.idx.co.id berupa laporan keuangan tahunan perusahaan manufaktur di Indonesia tahun 2011, 2012, dan 2013 di Bursa
Efek Indonesia maka dapat dihitung rasio-rasio keuangan yang digunakan dalam penelitian ini meliputi
Growth Opportunity
,
Current Ratio
,
Firm Size
, dan
Debt
43
Universitas Sumatera Utara
