41
klasifikasi financial distress perusahaan ditentukan dengan menggunakan kriteria negatif Earnings before Income Tax EBIT.
3.7 Skala Pengukuran Variabel
Tabel 3.4 Definisi Operasional dan Skala Pengukuran Variabel
Variabel Indikator
Skala
Financial distress Y
Perusahaan mengalami financial distress diberi skor 1
Perusahaan yang tidak mengalami financial distress diberi skor 0
Nominal
Latar Belakang Pendidikan Prestise
X1 manajemen puncak dan dewan komisaris yang lulus
dari perguruan tinggi di luar negeri menggunakan variabel dummy dummy 0 = bukan lulusan luar
negeri dan dummy 1 = lulusan luar negeri Nominal
Strata Pendidikan Rata-rata X2
average education per firm rata-rata pendidikan
tertinggi yang dimiliki oleh manajemen puncak dan dewan komisaris, dihitung dengan menggunakan
skala perangkingan dari 1 sampai 4. Nilai 1 = tidak memiliki gelar sarjana, nilai 2 = memiliki gelar S1,
nilai 3 = memiliki gelar S2, dan nilai 4 = memiliki gelar S3.
Ordinal
Ukuran Dewan Komisaris X3
Ukuran jumlah dewan komisaris pada sebuah perusahaan di periode t, termasuk komisaris
independen Nominal
Ukuran Dewan Direksi X4
Ukuran jumlah dewan direksi pada sebuah perusahaan di periode t, termasuk CEO
Nominal
Universitas Sumatera Utara
42
Leverage X5 Leverage Ratio
=
�� � � �� � � � �
Rasio
3.8 Teknik Analisis Data
Metode analisis yang digunakan adalah metode statistik deskriptif dan analisis regresi logistik dengan menggunakan software SPSS 23.
3.8.1 Statistik Deskriptif
Deskripsi statistik digunakan untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai minimum, nilai maksimum,
nilai rata-rata mean, standar deviasi, varian, sum, range, kurtosis, skewness
kecenderungan distribusi dari variabel-variabel yang akan diuji Ghozali, 2005.
3.8.2 Analisis Regresi Logistik
Metode analisis yang digunakan untuk menguji hipotesis dalam penelitian ini adalah regresi logistik logistic regression. Regresi logistik
adalah regresi yang digunakan untuk menguji apakah probabilitas terjadinya variabel terikat variabel dependen dapat diprediksi oleh
variabel bebasnya variabel independen. Dalam penggunaannya, regresi logistik tidak memerlukan distribusi yang normal pada variabel bebasnya
variabel independen. Di samping itu, teknik analisis ini tidak memerlukan uji normalitas, uji heteroskedastisitas, dan uji asumsi klasik
pada variabel bebasnya Ghozali, 2006.
Universitas Sumatera Utara
43
3.8.2.1 Menilai Kelayakan Model Goodness of Fit Test
Kelayakan model regresi diuji dengan Hosmer and Lemeshow’s Goodness of Fit Test. Jika nilai statistik Hosmer and
Lemeshow lebih dari 0.05, maka model regresi layak diterima
karena model dapat menjelaskan nilai observasinya atau bisa dikatakan model dapat diterima karena cocok dengan data
observasinya. Sebaliknya Jika nilai probabilitas statistik Hosmer and Lemeshow
sama dengan atau kurang dari 0.05 , maka model ditolak karena ada perbedaan siginifikan antara model dengan nilai
observasinya sehingga Goodness of Fit Test Model tidak baik karena model tidak dapat memprediksi nilai observasinya.
3.8.2.2 Penilaian Keseluruhan Model Overall Fit Model Test
Dalam menilai overall fit model, kita dapat menggunakan tes statistik
chi square χ2. Tes statistik chi square χ2 digunakan berdasarkan pada fungsi likelihood pada estimasi model regresi.
Likelihood L dari model adalah probabilitas bahwa model yang
dihipotesiskan menggambarkan data input. L ditransformasikan menjadi - 2logL untuk menguji hipotesis nol dan alternatif.
Penggunaan nilai χ2 untuk keseluruhan model terhadap data dapat dilakukan dengan membandingkan nilai -2 log likelihood awal
hasil block number 0 dengan nilai -2 log likelihood akhir hasil block number 1. Dengan kata lain, nilai chi square didapat dari
Universitas Sumatera Utara
44
nilai-nilai 2logL1 – 2logL0. Selanjutnya jika terjadi penurunan,
maka model tersebut menunjukkan model regresi yang baik.
Universitas Sumatera Utara
45
3.8.2.3 Koefisien Determinasi Nagelkerke R Square
Nilai Nagelkerke R Square digunakan untuk melihat seberapa besar variabel independen dalam model penelitian dapat
menjelaskan variabel dependen. Nilai koefisien determinasi bervariasi dari 0 sampai 1. Apabila nilai R2 kecil, hal ini berarti
kemampuan variabel independen dalam menjelaskan variabel dependen sangat terbatas. Sedangkan, apabila nilai R2 mendekati
1, hal ini berarti variabel independen dapat memberikan hampir semua informasi yang diperlukan untuk memprediksi variabel
dependen.
3.8.3 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan regresi logistik logistic regression. Regresi logistik digunakan untuk menguji
apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Model regresi logistik yang digunakan untuk menguji
hipotesis pada penelitian ini yaitu: ln
P1-P = a + b1X1 + b2X2 + b3X3 + b4X4 + e Keterangan:
ln P1-P
= Financial distress
a =
Konstanta X1
= Latar Belakang Pendidikan Prestise
X2 =
Strata Pendidikan rata-rata X3
= Ukuran Dewan Komisaris
Universitas Sumatera Utara
46
X4 =
Ukuran Dewan Direksi e
= Tingkat kesalahan standard error
b1-b4 =
koefisien regresi
3.8.3.1 Pengujian signifikan model secara simultan chi-square
Untuk melihat pengujian secara simultan variabel bebas variabel independen terhadap variabel terikat variabel
dependen, digunakan perhitungan SPSS dengan memperhatikan tabel Omnibus Test of Model Coefficiens atau biasa yang disebut
uji signifikansi Chi-Square. Dengan diperoleh nilai signifikansi 0.05 dan nilai chi-square hitung nilai chi-squaretabel, maka
diperoleh kesimpulan
bahwa variabel
independen secarasimultanberpengaruh terhadap variabel dependen.
3.8.3.2 Pengujian signifikan model secara parsial
Pengujian ini dilakukan untuk mengetahui apakah masing- masing variabel independen bebas berpengaruh signifikan
terhadap variabel dependen terikat. Pengujian hipotesis ini dengan cara membandingkan antara nilai probabilitas sig dengan
tingkat signifikansi α. H0: tidak ada hubungan secara parsial dari variabel
independen terhadap variabel dependen Ha: ada hubungan secara parsial dari variabel independen
terhadap variabel dependen
Universitas Sumatera Utara
47
Untuk menentukan penerimaan atau penolakan H0 didasarkan pada tingkat signifikansi α 5 dengan kriteria:
1. H0 diterima apabila nilai probabilitas sig
signifikansi α. Hal ini berarti Ha ditolak atau hipotesis
yang menyatakan
variabel bebas
berpengaruh terhadap variabel terikat ditolak. 2.
H0 ditolak apabila nilai probabilitas sig signifikansi α. Hal ini berarti Ha diterima atau
hipotesis yang
menyatakan variabel
bebas berpengaruh terhadap variabel terikat diterima.
3.8.4 Uji Persamaan Moderasi Uji Moderating
Untuk melakukan pengujian pada Hipotesis 5, Hipotesis 6, Hipotesis 7, dan Hipotesis 8 maka akan dilakukan analisis regresi
moderasi. Dalam penelitian ini uji regresi moderasi yang digunakan adalah uji interaksi, hipotesis moderating diterima jika variabel Moderasi
Leverage mempunyai pengaruh signifikan terhadap hubungan antara Latar belakang pendidikan prestise, Strata pendidikan rata-rata, Ukuran dewan
komisaris, ukuran dewan direksi dengan Financial Distress. Model pengujian yang digunakan untuk menguji hipotesis pada
penelitian ini yaitu: Persamaan untuk model moderasi Hipotesis 5, yaitu:
ln P1-P = a + b1 X1 + b2 X5 + b3 X1X5 + e
Universitas Sumatera Utara
48
Keterangan: ln
P1-P =
Financial distress a
= Konstanta
X1 =
Latar Belakang Pendidikan Prestise X5
= Leverage
e =
Tingkat kesalahan standard error b1-b3
= koefisien regresi
Persamaan untuk model moderasi Hipotesis 6, yaitu: ln
P1-P = a + b1 X2 + b2 X5 + b3 X2X5 + e Keterangan:
ln P1-P
= Financial distress
a =
Konstanta X2
= Strata Pendidikan rata-rata
X5 =
Leverage e
= Tingkat kesalahan standard error
b1-b3 =
koefisien regresi
Persamaan untuk model moderasi Hipotesis 7, yaitu: ln
P1-P = a + b1 X3 + b2 X5 + b3 X3X5 + e Keterangan:
ln P1-P
= Financial distress
a =
Konstanta
Universitas Sumatera Utara
49
X3 =
Ukuran Dewan Komisaris X5
= Leverage
e =
Tingkat kesalahan standard error b1-b3
= koefisien regresi
Persamaan untuk model moderasi Hipotesis 5, yaitu: ln
P1-P = a + b1 X4 + b2 X5 + b3 X4X5 + e Keterangan:
ln P1-P
= Financial distress
a =
Konstanta X1
= Latar Belakang Pendidikan Prestise
X4 =
Ukuran Dewan Direksi e
= Tingkat kesalahan standard error
b1-b3 =
koefisien regresi
Universitas Sumatera Utara
50
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum
Dalam bab ini akan disajikan hasil dari analisis data dengan menggunakan model regresi logistik logistic regression untuk mengetahui apakah latar
belakang pendidikan prestise, rata-rata pendidikan manajemen, ukuran dewan direksi, dan ukuran dewan komisaris berpengaruh terhadap kondisi financial
distress. Analisis data dimulai dengan mengolah data melalui Microsoft excel dan seluruh data yang telah diperoleh kemudian diolah dengan menggunakan SPSS
versi 23. Objek penelitian ini adalah perusahaan pertambangan batubara yang
terdaftar di Bursa Efek Indonesia pada tahun 2011-2014. Populasi penelitian berjumlah 24 perusahaan. Berdasarkan kriteria pemilihan sampel yang telah
ditentukan, maka didapatkan jumlah sampel untuk penelitian ini sebanyak 14 perusahaan.
4.2 Hasil Penelitian
