51 Bank Indonesia. Jika variabel yang merupakan skala nominal adalah
variabel dependen, maka jenis regresi yang digunakan adalah regresi logisitik Purbayu budi santosa dan Ashari, 2005 dalam Martharini, 2012.
Persamaan logistic regression dapat dinyatakan sebagai berikut Ghozali, 2007 dalam Martharini, 2012 :
Ln
� 1
−�
= Y = β0 + β1X
1
+ β2X
2
+ β3X
3
+ β4X
4
+ β5X
5
+ β6X
6
+ β7X
7
+ ε
Dimana : p adalah probabilitas perusahaan dengan variabel bebas X
1
, X
2
, X
3
,…X
k
. Y = probabilitas kondisi bermasalah
b0 = konstanta b1 – b7 = koefisien regresi
X
1
= rasio CAR Capital Adequacy Ratio X
2
= rsio NIM Net Interest Margin X
3
= rasio NPL Non Performing Loan X
4
= rasio ROA Return on Asset X
5
= rasio BOPO Biaya OperasionalPendapatan Operasional X6 = rasio LDR Loan to Deposite Ratio
X7 = Total aset = Ln Total Aktiva Langkah-langkah analisis dalam regresi logistik menurut Ghozali 2007 melaui
Martharini 2012:
a. Menilai Model Fit
Langkah pertama adalah menilai overall fit model terhadap data. Beberapa tes statistik diberikan untuk menilai hal ini. Hipotesis untuk menilai model ini adalah:
52 H0 : model dihipotesiskan fit dengan data.
HA : model yang dihipotesiskan tidak fit dengan data. Statistik yang digunakan berdasarkan pada fungsi likehood. Likehood L dari
model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan alternatif, L
ditransformasikan menjadi - 2LogL.
b. Cox dan Snell’s R Squre
Merupakan ukuran yang mencoba meniru ukuran R2 pada multiple regression yang didasarkan pada teknik estimasi likehood dengan nilai
maksimum kurang dari 1 satu sehingga sulit diinterpretasikan. Nagelkerke’s R square merupakan modifikasi dari koefisien Cox dan Snell’s
untuk memastikan bahwa nilainya bervariasi dari nol 0 sampai 1. Nilai Nagelkerke’s R2 dapat diinterpretasikan seperti R2 pada multiple
regression.
c. Hosmer and Lemeshow’s Goodness of Fit Test
Menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dikatakan
fit. Jika nilai Statistik Hosmer and Lemeshow’s Goodness of fit kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan
antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai
Statistik Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 0.05, maka hipotesis nol tidak dapat ditolak dan berarti model mampu
53 memprediksikan nilai observasinya atau dapat dikatakan model dapat
diterima karena cocok dengan data observasinya.
d. Estimasi Parameter dan Interpretasinya
Untuk menilai hasil analisis yang dapat dilihat dari output Variabel in The Equation Ghozali, 2007 dalam Martharini, 2012. Wald statistic untuk
menguji signifikansi koefisien regresi logistik masing-masing prediktor, dengan formulasi hipotesis statistik sebagai berikut:
H0 : r = 0 H1 : r
≠ 0 dimana r = 1, 2, 3, …, n Kriteria:
Jika Sig. α, maka H0 diterima
Jika Sig. α, maka H0 ditolak
3.8 Uji Hipotesis Penelitian
