b,c BAB IV- Model Prediksi Financial Distress Untuk Mendeteksi Potensi Kebangkrutan Pada Industri Perbankan

IV-71 sebesar 1 akan meningkatkan peluang terjadinya kondisi financial distress sebanyak 0,060 kali pada bank. Model prediksi untuk tahun 2012 prediksi dua tahun sebelum kondisi financial distress adalah sebagai berikut:

4.2.1.2. Tahun 2013 Satu Tahun Sebelum Kondisi Financial Distress

Pada tahun 2013, step yang digunakan untuk mengiterpetasikan uji kelayakan model adalah step ke-2 karena pada step ini, terdapat 2 variabel independen yang berpengaruh signifikan terhadap kondisi financial distress bank.

A. Uji Kelayakan Model Regresi Logistik Goodness of fit

Penilaian uji kelayakan model regresi logistik, dapat dilihat dari nilai statistik pada keempat tabel berikut ini. Tabel IV.23 Iteration History

a,b,c

Iteration -2 Log likelihood Coefficients Constant Step 0 1 40,555 1,000 2 40,488 1,096 3 40,488 1,099 4 40,488 1,099 a. Constant is included in the model. b. Initial -2 Log Likelihood: 40,488 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001. Sumber: Hasil Pengolahan Data Menggunakan SPSS 18 Pertama, dari tabel IV.23 Iteration History diperoleh informasi bahwa nilai -2 Log Likehood yang hanya memasukkan konstanta saja adalah 40,488. Setelah sembilan variabel independen dimasukan, nilai -2 Log Likehood turun menjadi 22,511 seperti yang disajikan pada tabel IV.25 step ke-2. Hal ini berarti penambahan variabel independen ke dalam model memperbaiki model fit. IV-72 Tabel IV.24 Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 8,818 1 ,003 Block 8,818 1 ,003 Model 8,818 1 ,003 Step 2 Step 9,158 1 ,002 Block 17,977 2 ,000 Model 17,977 2 ,000 Step 3 Step 22,511 1 ,000 Block 40,488 3 ,000 Model 40,488 3 ,000 Sumber: Hasil Pengolahan Data Menggunakan SPSS 18 Kedua, dari tabel IV.24 Omnibus Tests of Model Coefficients diperoleh informasi bahwa pada step ke-2 nilai Chi- square model menunjukkan nilai signifikansi 0,000 lebih kecil dari 0,05 maka dapat disimpulkan bahwa penggunaan variabel independen dalam model penelitian secara simultan dapat memprediksi kondisi financial distress bank. Tabel IV.25 Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 31,670 a ,217 ,322 2 22,511 b ,393 ,582 3 ,000 c ,675 1,000 a. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001. b. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001. c. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found. Sumber: Hasil Pengolahan Data Menggunakan SPSS 18 Ketiga, dari tabel IV.18 didapatkan nilai 0,582 untuk nilai Nagelkerke R Square pada step ke-2. Hal ini mengartikan bahwa kondisi financial distress dapat dijelaskan oleh variabel independen yang terdapat pada model sebesar 58,2 , sedangkan IV-73 42,8 kondisi financial distress bank dijelaskan oleh variabel lainnya diluar model. Tabel IV.26 Hosmer and Lemeshow Test Step Chi-square df Sig. 1 6,078 7 ,531 2 7,530 7 ,376 3 ,000 2 1,000 Sumber: Hasil Pengolahan Data Menggunakan SPSS 18 Keempat, Tabel IV.20 Hosmer and Lemeshow Test menunjukkan bahwa nilai signifikansi pada step ke-2 adalah 0,376 lebih besar dari 0,05 sehingga hipotesis nol diterima, yaitu model fit cocok dengan data penelitian dan dapat model dapat diterima.

B. Ketepatan Prediksi Model Regresi Logistik

Tabel IV.27 Classification Table Observed Predicted STATUS BANK TAHUN 2013 Correct Zona Aman Zona Distress Step 1 STATUS BANK TAHUN 2013 Zona Aman 4 5 44,4 Zona Distress 1 26 96,3 Overall Percentage 83,3 Step 2 STATUS BANK TAHUN 2013 Zona Aman 7 2 77,8 Zona Distress 1 26 96,3 Overall Percentage 91,7 Step 3 STATUS BANK TAHUN 2013 Zona Aman 9 100,0 Zona Distress 27 100,0 Overall Percentage 100,0 a. The cut value is ,500 Sumber: Hasil Pengolahan Data Menggunakan SPSS 18 Berdasarkan output pada step ke-2 yang disajikan pada Tabel IV.21 diperoleh informasi dari 9 bank yang penulis prediksi berada pada zona aman, 2 bank diantaranya yang masuk ke dalam zona distress sehingga ketepatan klasifikasi adalah 77,8. Sedangkan, dari 27 bank yang penulis prediksi masuk ke zona distress, 1 bank diantaranya masuk ke dalam zona aman sehingga IV-74 ketepatan klasifikasi adalah 96,3 . Secara keseluruhan, model regresi biner logistik mampu memprediksi 91,7 kondisi financial distress yang terjadi pada bank.

C. Estimasi Parameter dan Interpretasi

Tabel IV.28 Variables in the Equation B S.E. Wald df Sig. ExpB Step 1 a WCTA -7,976 3,360 5,636 1 ,018 ,000 Constant -,778 ,857 ,824 1 ,364 ,459 Step 2 b SIZE -2,101 ,845 6,187 1 ,013 ,122 WCTA -10,689 4,259 6,300 1 ,012 ,000 Constant 3,194 1,909 2,801 1 ,094 24,394 Step 3 c SIZE -151,788 9036,342 ,000 1 ,987 ,000 WCTA -429,836 25031,312 ,000 1 ,986 ,000 CHIN -374,997 22495,326 ,000 1 ,987 ,000 Constant 372,705 22026,230 ,000 1 ,986 7,305E161 a. Variables entered on step 1: WCTA. b. Variables entered on step 2: SIZE. c. Variables entered on step 3: CHIN. Sumber: Hasil Pengolahan Data Menggunakan SPSS 18 Berdasarkan tabel IV.28 diperoleh informasi bahwa variabel independen yang bisa digunakan untuk memprediksi kondisi financial distress pada bank pada tahun 2013 adalah SIZE dan WCTA, karena masing-masing variabel ini memiliki signifikansi 0,013 dan 0,012 yang lebih kecil dari 0,05. Variabel SIZE memiliki tanda koefisien negatif dan memiliki nilai Exp B atau Odds Ratio sebesar 0,122. Berdasarkan informasi tersebut, maka variabel SIZE berpengaruh negatif terhadap prediksi kondisi financial distress suatu bank. Jika variabel WCTA dianggap konstan, peningkatan variabel SIZE sebesar 1 akan menurunkan peluang terjadinya kondisi financial distress sebanyak 0,122 kali pada bank. Variabel WCTA memiliki tanda koefisien negatif Berdasarkan informasi tersebut, maka variabel WCTA berpengaruh negatif terhadap prediksi kondisi financial distress suatu bank. Sementara itu, nilai Exp B atau Odds Ratio WCTA adalah 0,000 IV-75 sangat kecil sehingga apabila variabel WCTA dianggap konstan, kenaikan variabel WCTA sebesar 1 tidak memiliki kontribusi yang begitu berarti terhadap kondisi financial distress pada bank. Model prediksi untuk tahun 2013 prediksi satu tahun sebelum kondisi financial distress adalah sebagai berikut:

IV.3. Hasil Prediksi Model Regresi Logistik