Pada tabel eigenvalues model Springate merupakan rasio antara jumlah kuadrat dalam kelompok dengan jumlah kuadrat antar kelompok. Persamaan
diskriminan yang dihasilkan tersebut mempunyai nilai eigenvalues sebesar 1.045 yang mampu menjelaskan 100 nilai koreksi antara persamaan diskriminan
dengan kelompok yang telah didefinisikan diukur dengan nilai canonical correlation
sebesar 0,715 yang berarti bahwa hubungan antara persamaan diskriminan dengan kelompok yang telah didefinisikan sebesar 71,5.
Sementara kemampuan persamaan diskriminan mampu menjelaskan varians dari variabel dependen yang diperoleh dari nilai canonical correlation
yang dikuadratkan sehingga diperoleh nilai 0,5112 atau 51,12 varians dari variabel dependen yang hendak dibedakan oleh variabel independen dapat
dijelaskan melalui persamaan diskriminan yang telah dihasilkan. Penelitian ini menjelaskan variabel prediktor mana yang mempunyai
discriminating power dalam memprediksi kondisi bermasalah bank pada model
Altman maupun model Springate sehingga mendukung hipotesis II yang diajukan oleh peneliti bahwa Model Altman dan Model Springate memiliki variabel
prediktor yang mempunyai discriminating power dalam memprediksi kondisi bermasalah bank.
5. Pengujian Hipotesis III
Pengujian hipotesis III dengan metode stepwise ditunjukkan pada tabel 4.16 dan 4.17 memperlihatkan hasil perhitungan koefisien fungsi diskriminan
masing-masing model prediksi.
61
Tabel 4.6 Canonical Discriminant Function Coefficients Model Altman
Function 1
WCTA 16.654
MVEBVD .202
Constant -.916
Unstandardized coefficients
Berdasarkan tabel 4.16 tersebut diatas diperoleh fungsi diskriminan sebagai berikut:
Z Score = - 0,916 + 16,654 WCTA + 0,202 MVEBVD Persamaan model diskriminan Altman ini digunakan untuk menghasilkan
diskriminan score yang berfungsi untuk memprediksi pengklasifikasian suatu objek kelompok bermasalah atau tidak bermasalah.
Tabel 4.17 Functions at Group Centroids
Function Kondisi Bank
1 Bank Tidak Bermasalah
.683 Bank Bermasalah
-1.709 Unstandardized canonical discriminant functions evaluated at group means
Dari hasil tabel Function of Group Centroids, kita akan menentukan critical cutting score
untuk pengklasifikasian tiap bank dengan formula sebagai berikut :
Z
CU
= N
A
Z
B
+ N
B
Z
A
N
A
+ N
B
62
Dimana : Z
CU
= Critical Cutting Score,
angka kritis yang berfungsi sebagai cut off. N
A
= Jumlah sampel dalam grup A tidak bermasalah N
B
= Jumlah sampel dalam grup B bermasalah Z
A
= Nilai
centroid untuk grup A
Z
B
= Nilai
centroid untuk grup B
Z
CU
= 55 -1,709+ 22 0,683 55+22
Z
CU
= -1,026 Sehingga untuk model Altman penentuan nilai batas didasarkan pada nilai
rata-rata dari jumlah Z total score dari masing-masing bank yang diperoleh nilai - 1,026. Standar yang digunakan untuk menilai bahwa bank tersebut dikategorikan
bermasalah atau tidak bermasalah adalah : a. Bila Z score hitung -1,026 maka bank dikategorikan bermasalah.
b. Bila Z score hitung -1,026 maka bank dikategorikan tidak bermasalah. Contoh untuk sampel pertama Bank Mutiara triwulan I tahun 2007
Z
1
= - 0,916 + 16,654 -0,035 + 0,202 0,021 Z1 = -1,49.
Oleh karena nilai Z1 -1,026 maka sampel pertama Bank Mutiara triwulan I tahun 2007 diklasifikasikan dalam kategori bank bermasalah. Hasil
lengkap perhitungan diskriminan skor untuk bank-bank lainnya dapat dilihat pada tabel casewise di output diskriminan model Altman. Tabel casewise statistic berisi
rincian tiap objek dan pengklasifikasiannya berdasarkan model diskriminan Altman yang terbentuk predicted group dan dibandingkan dengan kondisi
63
sebenarnya actual group. Contoh untuk sampel pertama Bank Mutiara triwulan I tahun 2007 pada data aktualnya dikategorikan dalam kelompok kondisi bank
bermasalah dan hasil predicted group-nya juga dikelompokkan dalam kondisi bank bermasalah. Pada sampel ketiga untuk Bank Mayapada triwulan I tahun
2007 data aktualnya adalah tidak bermasalah kemudian oleh model diskriminan Altman dikelompokkan menjadi bank bermasalah terjadi salah klasifikasi. Ada 4
bank yang diberi tanda yang terjadi salah klasifikasi menurut model Altman yaitu bank dengan nomor urut sampel 3, 29, 30 dan 71.
Dari tabel 4.18 merupakan tabel Classification Result yang menggambarkan
crosstabulasi antara model awal original dengan
pengklasifikasian hasil model diskriminan predictif group membership. Untuk tes keakuratan pengelompokkan bank bermasalah dan tidak bermasalah dalam
tabel ini menyatakan pada kolom merupakan dua nilai prediksi dari variabel terikat yaitu kondisi bank, dalam hal ini bank bermasalah 1 dan bank tidak
bermasalah 0. Pada model yang sempurna, maka semua kasus akan berada pada diagonal dengan tingkat ketepatan peramalan 100. Hasilnya menunjukkan pada
kolom, prediksi bank yang bermasalah ada 19 bank-bank bermasalah, sedangkan pada baris hasil observasi sesungguhnya yang bermasalah terdapat 22 bank. Jadi
ketepatan model Altman ini untuk bank yang bermasalah adalah 1922 atau 86,4. Prediksi bank yang tidak bermasalah ada 55 bank-bank tidak bermasalah
sedangkan pada baris, hasil observasi sesungguhnya yang tidak bermasalah 54 bank dan 1 sisanya bermasalah. Jadi ketepatan model Altman ini untuk bank yang
64
tidak bermasalah adalah 5455 atau 98,2. Untuk tingkat akurasi keseluruhan sebesar 94,8 sebagaimana dapat dilihat pada tabel 4.18 Lampiran Halaman 15.
Tabel 4.18 Classification Result Model Altman
Prediksi Bank
Kondisi Bank
Tidak Bermasalah
Bermasalah Tingkat
Akurasi Bank Tidak Bermasalah
54 1
98,2 Bank Bermasalah
3 19
86,4 Tingkat Akurasi
Keseluruhan Type 1 Error
Type 2 Error
94,8 3,90
1,30
Sumber Data : Output SPSS, diolah
Hasil pengujian untuk model Springate dengan metode stepwise adalah sebagai berikut :
Tabel 4.19 Canonical Discriminant Function Coefficients Model Springate
Function 1
WCTA 18.505
Constant -.755
Unstandardized coefficients
Berdasarkan tabel 4.19 tersebut diatas diperoleh fungsi diskriminan sebagai berikut:
Z Score = - 0,755 + 18,505 WCTA
65
Persamaan model diskriminan Springate ini digunakan untuk menghasilkan diskriminan score yang berfungsi untuk memprediksi
pengklasifikasian suatu objek kelompok bermasalah atau tidak bermasalah.
Tabel 4.20 Functions at Group Centroids Model Springate
Function Kondisi Bank
1 Bank Tidak Bermasalah
.638 Bank Bermasalah
-1.595 Unstandardized canonical discriminant functions evaluated at group means
Dari hasil tabel Function of Group Centroids, kita akan menentukan critical cutting score
untuk pengklasifikasian tiap bank dengan formula sebagai berikut :
S
CU
= 55 -1,595+ 22 0,638 55+22
S
CU
= -0,957 Sehingga untuk model Springate penentuan nilai batas didasarkan pada
nilai rata-rata dari jumlah S total score dari masing-masing bank yang diperoleh nilai -0,957. Standar yang digunakan untuk menilai bahwa bank tersebut
dikategorikan bermasalah atau tidak bermasalah adalah : c. Bila S score hitung -0,957 maka bank dikategorikan bermasalah.
d. Bila S score hitung -0,957 maka bank dikategorikan tidak bermasalah. Contoh untuk sampel pertama Bank Mutiara triwulan I tahun 2007
S
1
= - 0,755 + 18,505 -0,035 S1 = -1,40.
66
Oleh karena nilai S1 -0,957 maka sampel pertama Bank Mutiara triwulan I tahun 2007 diklasifikasikan dalam kategori bank bermasalah. Hasil
lengkap perhitungan diskriminan skor untuk bank-bank lainnya dapat dilihat pada tabel casewise di output diskriminan model Springate. Tabel casewise statistic
berisi rincian tiap objek dan pengklasifikasiannya berdasarkan model diskriminan Springate yang terbentuk predicted group dan dibandingkan dengan kondisi
sebenarnya actual group. Contoh untuk sampel pertama Bank Mutiara triwulan I tahun 2007 pada data aktualnya dikategorikan dalam kelompok kondisi bank
bermasalah dan hasil predicted group-nya juga dikelompokkan dalam kondisi bank bermasalah. Pada sampel ketiga untuk Bank Mayapada triwulan I tahun
2007 data aktualnya adalah tidak bermasalah kemudian oleh model diskriminan Springate dikelompokkan menjadi bank bermasalah terjadi salah klasifikasi.
Ada 4 bank yang diberi tanda yang terjadi salah klasifikasi menurut model Springate yaitu bank dengan nomor urut sampel 3, 29, 30 dan 71.
Dari tabel 4.21 merupakan tabel Classification Result yang menggambarkan
crosstabulasi antara model awal original dengan
pengklasifikasian hasil model diskriminan predictif group membership. Untuk tes keakuratan pengelompokkan bank bermasalah dan tidak bermasalah dalam
tabel ini menyatakan pada kolom merupakan dua nilai prediksi dari variabel terikat yaitu kondisi bank, dalam hal ini bank bermasalah 1 dan bank tidak
bermasalah 0. Pada model yang sempurna, maka semua kasus akan berada pada diagonal dengan tingkat ketepatan peramalan 100. Hasilnya menunjukkan pada
kolom, prediksi bank yang bermasalah ada 19 bank-bank bermasalah, sedangkan
67
pada baris hasil observasi sesungguhnya yang bermasalah terdapat 22 bank. Jadi ketepatan model Springate ini untuk bank yang bermasalah adalah 1922 atau
86,4. Prediksi bank yang tidak bermasalah ada 55 bank-bank tidak bermasalah sedangkan pada baris, hasil observasi sesungguhnya yang tidak bermasalah 54
bank dan 1 sisanya bermasalah. Jadi ketepatan model Springate ini untuk bank yang tidak bermasalah adalah 5455 atau 98,2. Untuk tingkat akurasi
keseluruhan sebesar 94,8 sebagaimana dapat dilihat pada tabel 4.21 Lampiran Halaman 29.
Tabel 4.21 Classification Result Model Springate
Prediksi Bank
Kondisi Bank
Tidak Bermasalah
Bermasalah Tingkat
Akurasi Bank Tidak Bermasalah
54 1
98,2 Bank Bermasalah
3 19
86,4 Tingkat Akurasi
Keseluruhan Type 1 Error
Type 2 Error
94,8 3,90
1,30
Sumber Data : Output SPSS, diolah
Penelitian ini menjelaskan ketepatan prediksi kondisi bermasalah yang menghasilkan tingkat akurasi keseluruhan yang sama yakni sebesar 94,8
sehingga mendukung hipotesis III yang diajukan oleh peneliti bahwa Model
68
Altman dan Model Springate memiliki ketepatan untuk memprediksi kondisi bermasalah.
C. Interpretasi Hasil Penelitian