variabel bebas adalah30,613. Penurunan nilai -2LogL adalah sebesar 3,962 yaitu dari 34,575 menjadi 30,613 mengindikasikan bahwa model fit dengan data, hal ini
berarti bahwa dengan adanya penambahan variabel variabilitas persediaan, margin laba kotor, financial leverage dan rasio lancar ternyata dapat memperbaiki model
fit.
4.2.4. Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas
variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat diinterpretasikan
seperti nilai R Square pada multiple regression Ghozali, 2006 : 233. Nilai ini didapat dengan cara membagi nilai Cox Snell R Square dengan nilai
maksimumnya.
Tabel 4.10 Tabel
Nagelkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 30.613
a
.110 .172
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Tabel di atas menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data nilai Nagelkerke R Square adalah sebesar 0,172 yang berarti
variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen hanyalah sebesar 17,2, sisanya sebesar 82,8 100-17,2 dijelaskan
Universitas Sumatera Utara
variabilitas variabel-variabel lain di luar model penelitian.
4.2.5. Menilai Kelayakan Model Regresi
Untuk melihat apakah data sesuai dengan model sehingga model dapat dikatakan fit, maka diperlukan suatu uji yaitu dengan menggunakan uji Hosmer
dan Lemeshow goodness of fit test statistic, melalui kriteri sebagai berikut: a. Jika nilai Hosmer dan Lemeshow
≤ 0,05 artinya ada perbedaan signifikan antara model dengan observasinya sehingga goodness fit
tidak baik, karena model tidak dapat memprediksikan nilai observasinya.
b. Jika nilai Hosmer dan Lemeshow 0,05 artinya model mampu memprediksikan nilai observasinya atau dapat dikatakan bahwa model
dapat diterima karena cocok dengan data observasinya. Uji tersebut dapat digambarkan melalui tabel 4.10 :
Tabel 4.11 Nilai Statistics Hosmer and Lemeshow’s Goodness
of Fit Test
Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 10.028
8 .263
Berdasarkan pengujian nilai statistik Hosmer dan Lemeshow Goodness of Fit adalah sebesar 10,028 dengan probabilitas signifikansi sebesar 0,263, nilai ini
jauh diatas 0,05 dengan demikian dapat disimpulkan bahwa model tersebut diterima yang artinya tidak terdapat perbedaan dengan data sehingga model dapat
dikatakan fit.
Universitas Sumatera Utara
4.2.6. Pengujian Hipotesis Regresi Logistik
