45
a. 1,65 DW 2,35 tidak terjadi autokorelasi
b. 1,21 DW atau 2,35 DW 2,79 tidak dapat disimpulkan
c. DW 1,21 atau DW 2,79 terjadi autokorelasi
Tabel 4.7 Uji Autokolerasi
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.601
a
.362
.312 .371
2.194
a. Predictors: Constant, PRIOR, ADTR, DER, LN_SIZE b. Dependent Variable: GCAO
Sumber: Hasil Output SPSS Dari tabel 4.7 durbin-watson dapat dilihat dari nilai tabel durbin-
watson DW sebesar 2.194. Dengan analisis 1.65 2.194 2.35. Hal ini
berarti tidak terjadi autokorelasi pada regresi dan residualnya random.
4.3 Pengujian Model
4.3.1 Menilai Model Fit dan Keseluruhan Model Overall Model Fit
Uji ini digunakan untuk menilai model yang telah dihipotesakan telah fit atau tidak dengan data dilakukan pengujian dengan hipotesis :
H0: Model yang dihipotesiskan fit dengan data Ha: Model yang dihipotesiskan tidak fit dengan data
Pengujian dilakukan dengan membandingkan nilai antara - 2Log Likelihood pada awal block number = 0 dengan nilai -2Log Likelihood
Universitas Sumatera Utara
46
pada akhir block number = 1. Nilai -2 Log Likelihood awal pada block number = 0, ditunjukkan melalui tabel berikut :
Tabel 4.8 Tabel likehood block 0
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
65.151 -.929
2 65.085
-1.004 3
65.085 -1.006
4 65.085
-1.006 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 65.085 c. Estimation terminated at iteration number 4 because parameter
estimates changed by less than .001. Sumber: Hasil Output SPSS
Universitas Sumatera Utara
47
Nilai -2LogL akhir pada block number = 1, dapat ditunjukkan melalui tabel berikut:
Tabel 4.9 Tabel likehood block 1
Iteration -2 Log
likelihood Coefficients
Constant ADTR DER
LN_SIZE PRIOR Step 1 1
46.767 -.954
-.243 .049
-.061 2.150
2 44.351
-1.122 -.604
.068 -.095
2.799 3
44.171 -1.114
-.793 .075
-.112 3.024
4 44.170
-1.109 -.814
.075 -.114
3.049 5
44.170 -1.109
-.814 .075
-.114 3.049
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 65.085 d. Estimation terminated at iteration number 5 because parameter estimates
changed by less than .001.
Tabel diatas menunjukkan bahwa -2LogL awal pada block number = 0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada
step 2 memperoleh nilai sebesar 65.085. Kemudian pada tabel berikutnya dapat dilihat nilai -2LogL setelah masuknya beberapa variabel independen
pada model sehingga nilai -2LogL akhir pada step 5 menunjukkan nilai 44.170. Selisih antara nilai -2LogL awal dengan nilai -2LogL akhir adalah
sebesar 20.915 65.085-44.170. Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL akhir menunjukkan bahwa model yang
dihipotesiskan fit dengan data
Universitas Sumatera Utara
48
4.3.2 Menilai Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test yang diukur
dengan nilai Chi-Square. Probabilitas signifikansi yang diperoleh kemudian dibandingkan dengan tingkat signifikansi α 5. Hipotesis
untuk menilai kelayakan model regresi berikut ini: Ho : Tidak ada perbedaan antara model dengan data
Ha : Ada perbedaan antara model dengan data.
Tabel 4.10 Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 5.293
7 .624
Sumber: Hasil Output SPSS Tabel 4.10 menunjukkan hasil pengujian Hosmer and Lameshow.
Hasil pengujian statistik menunjukkan probabilitas signifikan sebesar 5.293
, nilai signifikansi yang diperoleh lebih besar dari α 0,05. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya,
karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati, atau dapat dikatakan model mampu
memprediksi nilai observasinya.
4.3.3 Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas
Universitas Sumatera Utara
49
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 regresi berganda Ghozali,2006. Nilai ini didapat dengan cara membagi nilai Cox Snell
R Square dengan nilai maksimumnya.
Tabel 4.11 Tabel Nagelkerke R Square
Step -2 Log
likelihood Cox Snell
R Square Nagelkerke R
Square 1
44.170
a
.312 .454
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than
.001.
Sumber: Hasil Output SPSS Tabel 4.11 menunjukkan nilai Nagelkerke R Square. Dilihat dari
hasil output pengolahan data nilai Nagelkerke R Square adalah sebesar 0.454 yang berarti variabilitas variabel dependen yang dapat dijelaskan
oleh variabel independen adalah sebesar 45.4, sisanya sebesar 54,6 100-45.4 dijelaskan variabilitas variabel-variabel lain di luar model
penelitian.
4.4 Pengujian Hipotesis