58
dibandingkan dengan perusahaan lain. Sementara rata-rata dan standar deviasi dari CR adalah 1,949792 dan 1,534040.
3. Profitabilitas atau Return on Assets X
3
minimum adalah 0,003 pada Medco Energi Internasional Tbk pada tahun 2014 karena laba yang
dihasilkan lebih kecil dari total aset jika dibandingkan dengan perusahaan lain. Nilai maksimum 0,24 pada Selamat Sempurna Tbk pada 2014 karena
perbandingan antara laba yang dihasilkan dengan total aset merupakan yang paling besar dibandingkan perusahaan lain. Sementara rata-rata dan
standar deviasi dari ROA adalah 0,073125 dan 0,058279. 4.
Secure X
4
minimum adalah 0 dan maksimum 1 karena merupakan bilangan yang dipakai untuk mengkategorikan variabel dummy. Sementara
rata-rata dan deviasi standar dari secure 0,416667 dan 0,498224. 5.
Maturity X
5
minimum adalah 0 dan maksimum 1 karena merupakan bilangan yang dipakai untuk mengkategorikan variabel dummy. Sementara
rata-rata dan deviasi standar dari maturity adalah 0,75 dan 0,437595. 6.
Rating Y minimum adalah 0 dan maksimum 1 karena merupakan bilangan yang dipakai untuk mengkategorikan variabel dummy, sementara
rata-rata dan deviasi standar dari maturity adalah 0,394443.
4.3 Uji Regresi Logistik
Analisis data dalam penelitian ini dilakukan dengan menggunakan regresi
logistik karena variabel dependen bersifat dikotomi high investment grade dan
low investment grade. Ghozali 2006:225 menyatakan bahwa regresi logistik digunakan untuk menguji apakah probabilitas terjadinya variabel terikat dapat
Universitas Sumatera Utara
59
diprediksi dengan variabel bebasnya. Teknik analisis regresi logistik tidak
memerlukan asumsi normalitas data pada variabel bebasnya Ghozali, 2006:225
dan mengabaikan heteroskedastisitas Gujarati, 2003:597.
4.3.1 Uji Multikolinearitas
Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Multikolinearitas merupakan situasi adanya
korelasi antar variabel-variabel independen yang satu dengan yang lainnya. Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antar
variabel yang terdapat dalam matriks korelasi. Hasil pengujian ditampilkan dalam Tabel 4.2 berikut ini.
Tabel 4.2 Matriks Korelasi
X1 X2
X3 X4
X5 X1
1.000000 -0.184026
-0.139397 -0.068036
0.177691 X2
-0.184026 1.000000
0.217100 0.000951
-0.243815 X3
-0.139397 0.217100
1.000000 -0.097092
0.131402 X4
-0.068036 0.000951
-0.097092 1.000000
-0.292770 X5
0.177691 -0.243815
0.131402 -0.292770
1.000000 Sumber: Hasil Penelitian dengan Eviews, 2016 Data diolah
Menurut Ghozali 2006:91, jika antar variabel independen ada korelasi
yang cukup tinggi diatas 0,90 maka hal ini indikasi adanya multikolinaritas. Hasil pengujian menunjukkan tidak ada nilai koefisien korelasi antar variabel
independen yang nilainya lebih besar dari 0,90 maka dapat disimpulkan tidak
terdapat indikasi multikolinearitas antar variabel independen.
Universitas Sumatera Utara
60
4.3.2 Uji Model Fit Overall Model Fit Test
Uji ini digunakan untuk melihat model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian dilakukan dengan membandingkan nilai antara -
2 log likelihood Restr. deviance terhadap nilai -2 log likelihood pada akhir Deviance, yang dapat ditunjukkan melalui tabel berikut ini Tabel 4.3.
Tabel 4.3 Menguji Model Fit Overall Model Fit Test
Dependent Variable: Y Method: ML - Binary Logit Quadratic hill climbing
Date: 092816 Time: 12:23 Sample: 1 48
Included observations: 48 Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives Hannan-Quinn criter.
0.819642 Deviance 23.10005
Restr. deviance 46.32745 Restr. log likelihood
-23.16372 LR statistic
23.22740 Avg. log likelihood -0.240626
Sumber: Hasil Penelitian dengan Eviews, 2016 Data diolah
Diketahui nilai Restr. deviance log likelihood awal 46,32745, sementara nilai Deviance log likelihood akhir 23,10005. Adanya penurunan nilai antara log
likelihood akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006:233. Penurunan nilai log likelihood menunjukkan bahwa model
penelitian ini dinyatakan fit, artinya penambahan-penambahan variabel bebas yaitu DER, CR, ROA, secure, dan maturity ke dalam model penelitian akan
memperbaiki model fit dalam penelitian ini.
4.3.3 Uji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fit test yang diukur berdasarkan nilai Chi-Square pada
Universitas Sumatera Utara
61
Tabel Hosmer and Lemeshow Test Tabel 4.4. Hosmer and Lemeshow’s Goodness of Fit Test menguji hipotesis nol bahwa data empiris sesuai dengan
model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit.
Tabel 4.4 Hosmer and Lemeshow Test
Goodness-of-Fit Evaluation for Binary Specification Andrews and Hosmer-Lemeshow Tests
Equation: UNTITLED Date: 092816 Time: 12:25
Grouping based upon predicted risk randomize ties
H-L Statistic 4.0342
Prob. Chi-Sq8 0.8540
Sumber: Hasil Penelitian dengan Eviews, 2016 Data diolah
Pada Tabel 5.4 hasil pengujian menunjukkan nilai H-L Statistic sebesar 4,0342 dengan signifikansi sebesar 0,8540 yang nilainya lebih besar daripada
0,05. Dengan demikian dapat disimpulkan bahwa model mampu untuk memprediksi nilai observasinya atau dapat dikatakan model menerima Ho yang
berarti tidak ada perbedaan klasifikasi yang diamati. Itu berarti model regresi logistik bisa digunakan untuk analisis selanjutnya.
4.3.4 Koefisien Determinasi McFadden R-Square
Dalam regresi logistik, dapat digunakan statistik McFadden R-Square untuk mengukur kemampuan model regresi logistik dalam mencocokkan atau
menyesuaikan data. Dengan kata lain, nilai statistik dari McFadden R-Square dapat diinterpretasikan sebagai suatu nilai yang mengukur kemampuan variabel-
Universitas Sumatera Utara
62
variabel independen dalam menjelaskan atau menerangkan variabel dependen. Tabel 4.5 menyajikan nilai statistik dari McFadden R-Square.
Tabel 4.5 McFadden R-Square
Dependent Variable: Y Method: ML - Binary Logit Quadratic hill climbing
Date: 092816 Time: 12:23 Sample: 1 48
Included observations: 48 Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives McFadden R-squared
0.501374
Sumber: Hasil Penelitian dengan Eviews, 2016 Data diolah
Berdasarkan Tabel 5.5 dapat dilihat bahwa nilai statistik McFadden R-
Square 0,501374 atau 50,14 yang artinya nilai tersebut diinterpretasikan sebagai kemampuan variabel X
1
DER, X
2
CR, X
3
ROA, X
4
secure, dan X
5
maturity dalam mempengaruhi rating sebesar 50,14, sisanya 49,86 dijelaskan oleh variabel-variabel atau faktor-faktor lain di luar model penelitian.
4.4
Uji Hipotesis 4.4.1 Uji Signifikansi Model Simultan
Tabel Omnibus Tests of Model Coefficients L-R Statistic Tabel 4.6 berfungsi untuk melihat hasil pengujian secara simultan pada regresi logistik,
yakni melihat pengaruh variabel bebas independen secara bersama-sama simultaneously terhadap variabel dependen. Berdasarkan Tabel 4.6, diperoleh
nilai Prob LR Statistic 0,000305. Karena nilai probabilitas 0,000305 lebih
Universitas Sumatera Utara
63
kecil dari 0,05, maka disimpulkan bahwa variabel bebas yang digunakan secara bersama-sama berpengaruh signifikan secara statistik terhadap rating.
Tabel 4.6 Uji Signifikansi Model Simultan
Dependent Variable: Y Method: ML - Binary Logit Quadratic hill climbing
Date: 092816 Time: 12:23 Sample: 1 48
Included observations: 48 Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives LR statistic
23.22740 ProbLR statistic
0.000305
Sumber: Hasil Penelitian dengan Eviews, 2016 Data diolah
4.4.2 Uji Signifikansi Model Parsial
Pengambilan keputusan dalam pengujian pengaruh parsial, dapat dilakukan dengan menggunakan pendekatan nilai probabilitas Prob.. Berikut
aturan pengambilan keputusan berdasarkan pendekatan nilai probabilitas. Adapun ketentuan mengenai penerimaan atau penolakan hipotesis adalah
sebagai berikut: 1.
Jika nilai signifikansi 0,05 maka H diterima. Ini berarti bahwa secara
parsial variabel independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
2. Jika nilai signifikansi
≤ 0,05 maka H
a
diterima. Ini berarti bahwa secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan terhadap
variabel dependen.
Universitas Sumatera Utara
64
Tabel 4.7 Uji Signifikansi Pengaruh Parsial
Dependent Variable: Y Method: ML - Binary Logit Quadratic hill climbing
Date: 092816 Time: 12:23 Sample: 1 48
Included observations: 48 Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives Variable
Coefficient Std. Error
z-Statistic Prob.
X1 0.033213
0.135052 0.245927
0.8057 X2
4.139182 1.769111
2.339696 0.0193
X3 -20.00093
13.50189 -1.481343
0.1385 X4
-2.589911 1.320336
-1.961554 0.0498
X5 0.807448
1.372507 0.588301
0.5563 C
-2.391356 2.726318
-0.877138 0.3804
Sumber: Hasil Penelitian dengan Eviews, 2016 Data diolah
Berdasarkan Tabel 4.7 diperoleh persamaan regresi logistik sebagai berikut.
�� = �
� − 1 =
−2,391 + 0,033�
1
+ 4,139 �
2
− 20,00093�
3
− 2,5899�
4
+ 0,8074 �
5
Pengujian hipotesis dilakukan dengan cara membandingkan antara tingkat signifikansi sig dengan tingkat kesalahan
α = 5. Berdasarkan Tabel 4.7 diketahui:
1. Nilai Prob. dari konstanta pada Tabel 4.7 sebesar -2,391 menyatakan
bahwa jika variabel independen leverage, likuiditas, profitabilitas, secure, dan maturity besarnya nol, maka besar peringkat obligasi adalah -2,391.
Universitas Sumatera Utara
65
2. Nilai Prob. dari X
1
DER terhadap prediksi peringkat obligasi rating pada Tabel 4.7 diperoleh nilai signifikansi 0,8057 0,05. Dengan demikian
nilai signifikansi lebih besar dari 0,05. Maka dapat disimpulkan bahwa leverage berpengaruh positif namun tidak signifikan terhadap peringkat
obligasi. 3.
Nilai Prob. dari X
2
CR terhadap prediksi peringkat obligasi rating pada Tabel 4.7 diperoleh nilai signifikansi 0,01930,05. Dengan demikian nilai
signifikansi lebih kecil dari 0,05. Maka dapat disimpulkan bahwa current ratio berpengaruh positif dan signifikan terhadap peringkat obligasi.
4. Nilai Prob. dari X
3
ROA terhadap prediksi peringkat obligasi rating pada Tabel 4.7 diperoleh nilai signifikansi 0,13850,05. Dengan demikian
nilai signifikansi lebih besar dari 0,05. Maka dapat disimpulkan bahwa return on assets berpengaruh negatif dan tidak signifikan terhadap
peringkat obligasi. 5.
Nilai Prob. dari X
4
Secure terhadap peringkat obligasi pada Tabel 4.7 diperoleh nilai signifikan 0,04980,05. Dengan demikian nilai signifikansi
lebih kecil dari 0,05. Maka dapat disimpulkan bahwa secure jaminan berpengaruh negatif namun signifikan terhadap peringkat obligasi.
6. Nilai Prob. dari X
5
maturity terhadap peringkat obligasi pada Tabel 4.7 diperoleh nilai signifikansi 0,55630,05. Dengan demikian nilai
signifikansi lebih besar dari 0,05. Maka dapat disimpulkan bahwa maturity berpengaruh positif namun tidak signifikan terhadap peringkat obligasi.
Universitas Sumatera Utara
66
4.5 Pembahasan
