79
terdapat perbedaan antara kondisi perusahaan bangkrut atau tidak bangkrut.
c. Uji Linearitas
Pengujian ini menggunakan Box`s M Test dengan α=5.
Asumsi linearitas terpenuhi apabila hasil pengujian menunjukkan nilai signifikansi 0.05. Pelanggaran terhadap asumsi ini akan
menimbulkan penyimpangan
terhadap keakuratan
fungsi diskriminan dalam mengelompokkan sampel kedalam salah satu
kategori tertentu.
3. Analisis Diskriminan
Analisis diskriminan berguna pada situasi dimana sampel total dapat dibagi menjadi group-group berdasarkan karakteristk variabel yang
diketahui dari beberapa kasus. Tujuan utama dari analisis multiple diskriminan adalah untuk mengetahui perbedaan antar group.Analisis
diskriminan digunakan untuk memodelkan suatu hubungan antara variabel dependen yang berdata kategori dengan beberapa variabel
independen.Analisis diskriminan berusaha untuk mengelompokkan setiap objek ke dalam dua atau lebih kelompok berdasarkan pada sejumlah
kriteria variabel independen. Asumsi dalam analisis diskriminan adalah tidak adanya multikolinieritas antara variabel independen dan setiap
variabel independen mengikuti fungsi distribusi normal serta
80
homogenitas varians antar kelompok data Kurniawan Yamin 2009 : 221-222.
Analisis diskriminan mempunyai asumsi bahwa data berasal dari mutivariate normal distribution dan matrik kovarian kedua kelompok
perusahaan adalah sama. Asumsi mutivariate normal distribution penting untuk menguji signifikansi dari variabel discriminator dan fungsi
diskriminan. Jika data tidak normal secara multivariate, maka secara teori uji signifikan menjadi tidak valid. Hasil klasifikasi menurut teori juga
dipengaruhi oleh multivariate normal distribution. Apabila diketahui bahwa asumsi multivariate distribution tidak dipenuhi maka sebaiknya
menggunakan analisis regresi logistik. Regresi logistik tidak memerlukan asumsi normal distribution untuk variabel bebasnya Imam Ghozali,
2012:301. Analisis
MDA adalah
pendekatan statistik
untuk mengkategorikan observasi ke dalam salah satu dari beberapa yang
apriori pengelompokan. Sebuah tonggak penting dalam MDA adalah Z- Score. Altman 1968 membangun Model yang komprehensif,
menggunakan analisis statistik MDA, banyak praktisi yang menggunakan karena mudah aplikasi yang digunakan oleh mode Jehan Khan. 2012 :
42. Fungsi diskriminan, yang digunakan dalam analisis diskriminan,
adalah variabel laten yang dibentuk sebagai pengaturan linear yang membedakan variabel independen. Diskriminan seperti fungsi, sebuah
81
bentuk untuk mengubah nilai variabel individu untuk diskriminan tunggal skor, atau nilai Z, yang kemudian digunakan untuk
mengklasifikasikan obyek.
Variabel terbaik yang membentuk fungsi diskriminan dapat dipilih dengan menggunakan beberapa metode yaitu forward, backward,
atau metode stepwise. a.
Forward Selection Pada forward selection, variabel yang dimasukkan pertama
kali kedalam fungsi diskriminan adalah variabel yang paling mampu membedakan antar kelompok dengan kriteria statistik
tertentu. Langkah selanjutnya, variabel yang dimasukkan adalah variabel yang dapat menambah nilai maksimum jumlah
kekuatan pembeda antar kelompok dan seterusnya.
b. Backward Selection
Backward Selection
dimulai dengan
semua variabel
membentuk fungsi diskriminan, selanjutnya setiap langkah satu variabel dikeluarkan dari fungsi diskriminan, yaitu
variabel yang memberikan jumlah penurunan terkecil didalam
Z = β
1
V
a
+ β
2
V
b
+….+ β
n
V
n
82
discriminating power. Prosedur ini terus diulang sampai tidak ada lagi variabel yang dikeluarkan dari fungsi diskriminan.
c. Stepwise Selection
Stepwise Selection merupakan kombinasi antara forward dan backward. Mula-mula tidak ada satupun variabel yang
dimasukkan dalam fungsi diskriminan, kemudian satu variabel ditambahkan atau dikeluarkan dari fungsi diskriminan dan
seterusnya Imam Ghozali, 2012:302. Menurut Maholtra, dalam analisis diskriminan terdiri dari
lima tahap yaitu : 1 merumuskan masalah, 2 mengestimasi koefisien fungsi diskriminan, 3 mememastikan signifikansi determinan, 4
mengintrepretasikan hasil, 5 menguji signifikansi analisis diskriminan Simamora, 2005:147.
4. Analisis Regresi Logistik