Ketepataan Prediksi Klasifikasi Perbandingan model logit dan model multiple discriminant analysis (MDA) sebagai early warning sytems (EWS) untuk memprediksi kondisi bermasalah pada Bank-Bank umum swasta Nasional Devisa dan Non devisa di Indonesia

109 Tabel 4.26 Ketepatan Model dalam Memprediksi Kondisi Bermasalah Block Number = 1 Sumber : data diolah

d. Koefisien Cox Snell R Square and Nagelkerke R Square

Pada tabel model summary memberikan nilai statistik - 2LogLikelihood sebesar 19.510. semakin kecil nilai -2LogLikelihood semakin baik. Koefesien Cox Snell R Square and Nagelkerke R Square dapat diinterpretasikan sama seperti koefesien determinasi R 2 pada regresi linier berganda Uyanto, 2006: 235. Nilai maksimum Cox Snell R Square biasanya lebih kecil dari satu, sedangkan Nagelkerke R Square umumnya lebih besar dari nilai koefesien Cox Snell R Square . Nilai Cox Snell R Square besarnya sama dengan 0.428, sedangkan Nagelkerke R Square besarnya sama dengan 0.691 ditunjukkan pada tabel 4.27 sebagai berikut: Iteration History

a,b,c,d

Iteration -2 Log likelihood Coefficients Constant APM Step 1 1 27.430 -2.519 -.955 2 21.127 -4.322 -1.583 3 19.677 -5.709 -2.060 4 19.513 -6.373 -2.288 5 19.510 -6.489 -2.327 6 19.510 -6.491 -2.328 7 19.510 -6.491 -2.328 a. Method: Forward Stepwise Conditional b. Constant is included in the model. c. Initial -2 Log Likelihood: 46.327 d. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001. 110 Tabel 4.27 Koefisien Cox Snell R Square dan Nagelkerke R Square Sumber :data diolah Koefesien Cox Snell R Square menjelaskan bahwa semua variabel independen CAR, ATTM, NIM, LDR, PM, APB, NPLg, NPLn di dalam model biner logistik mampu memprediksi kondisi bermasalah pada Bank Devisa dan Bank non Devisa sebesar 42.8. Sedangkan Koefesien Nagelkerke R Square menjelaskan bahwa semua variabel independent CAR, ATTM, NIM, LDR, PM, APB, NPLg, NPLn di dalam model biner logistik mampu memprediksi kondisi bermasalah pada Bank Devisa dan Bank non Devisa sebesar 69.1 lebih baik di bandingkan dengan menggunakan koefesien Cox Snell R Square .

e. Uji Chi Square Hosmer and Lemeshow Tabel 4.28

Hasil Identifikasi prediksi klasifikasi Sumber: data diolah Hasil pengujian pada tabel 4.28 menunjukkan nilai Chi Square sebesar 10.019 dengan nilai sig. sebesar 0.187 dari hasil tersebut Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 19.510 a .428 .691 a. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001. Hosmer and Lemeshow Test Step Chi-square df Sig. 1 10.019 7 .187