Metode Pengumpulan Data Metode Analisis Data

3.8 Metode Pengumpulan Data

Dalam mengumpulkan data-data yang diperlukan dalam penelitian ini, Peneliti menggunakan metode dalam pengumpulan data, yaitu metode dokumentasi. Metode dokumentasi adalah metode dasar dalam analisis. Dokumentasi yang dilakukan berupa pengumpulan laporan-laporan keuangan tahunan bank-bank umum yang telah dipublikasikan. Dalam hal ini metode dokumentasi digunakan untuk melihat rasio-rasio keuangan yang terkait dengan penelitian yaitu Capital Adequacy Ratio CAR, Return on Asset ROA, Return on Equity ROE, Loan to Deposit Ratio LDR, Biaya Operasional terhadap Pendapatan Operasional BOPO, Net Interest Margin NIM dan Non Performing Loan NPL.

3.9 Metode Analisis Data

Dalam menganalisis hasil penelitian ini, uji yang digunakan adalah uji regresi logistik. Penggunaan uji regresi logistik dilakukan karena variabel dependen yang digunakan berupa kategori variabel dummy dan variabelnya berupa metrik dan non-metrik. Uji regresi logistik adalah uji yang digunakan untuk melihat probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya Ghozali, 2007 : 209. Uji regresi logistik dalam penelitian ini dilakukan sebanyak 2 kali. Uji regresi logistik pertama dilakukan dengan menggunakan rasio keuangan 2 tahun sebelum bank mengalami financial distress dan uji regresi logistik yang kedua dilakukan dengan menggunakan rasio keuangan 1 tahun sebelum bank mengalami financial distress. Universitas Sumatera Utara Model persamaan regresi logistik menurut Ghozali 2007 : 211 dapat dinyatakan sebagai berikut : Ln[oddsS|X1,X2,Xk]=b0+b1CAR+b2ROA+b3ROE+b4LDR+b5BOPO+b6NIM +b7NPL +e Dimana : Odds S|X1, X2, Xk = p 1 −p p adalah probabilitas bank tidak sedang dalam keadaan bermasalah financial distress dengan variabel bebas CAR, ROA, ROE, LDR, BOPO, NIM dan NPL. Langkah-langkah analisis dalam regresi logit menurut Ghozali 2007 adalah sebagai berikut : 1. Menilai Model Fit Langkah pertama adalah menilai overall fit model terhadap data. Hipotesis untuk menilai model fit adalah : H0 : Model yang dihipotesiskan fit dengan data H1 : Model yang dihipotesiskan tidak fit dengan data Parameter yang digunakan adalah fungsi Likelihood L dari model dimana konstanta L ditransformasikan menjadi -2LogL terlebih dahulu untuk tujuan penilaian. Apabila terjadi penurunan nilai Likelihood pada awal block number = 0 dengan nilai -2LogL pada block number = 1 maka dapat ditarik kesimpulan model fit dengan data dan merupakan model regresi yang baik. 3. Cox dan Snell’s R Square dan Negelkerke’s Square Universitas Sumatera Utara Cox dan Snell’s R Square adalah ukuran yang mencoba meniru ukuran R 2 pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari satu sehingga sulit diinterpretasikan. Nagelkerke’s R square merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu. Hal ini dilakukan dengan cara membagi Cox dan Snell’s R² dengan nilai maksimumnya. Nilai Nagelkerke’s R² dapat diinterpretasikan seperti R² pada multiple regression. 4. Hosmer and Lemeshow’s Goodness of Fit Test Hosmer and Lemeshow’s Goodness of Fit Test digunakan untuk menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit. Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau 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. 5. Uji Wald Uji wald dilakukan untuk melihat pengaruh rasio-rasio keuangan terhadap prediksi financial distress secara parsial. Pengaruh tersebut dianggap signifikan terhadap prediksi financial distress apabila signifikasi lebih kecil atau sama dengan 5 0,05. 6. Estimasi Parameter dan Interpretasinya Universitas Sumatera Utara Estimasi maksimum likelihood parameter dari model dapat dihitung pada tampilan output variable in equation dengan formula hipotesis statistik sebagai berikut : H0 : r = 0 H1 : r ≠ 0 dengan kriteria : Jika Sig. α, maka H0 diterima dan H1 ditolak. Jika Sig. α, maka H0 ditolak dan H1 diterima Universitas Sumatera Utara

BAB IV HASIL DAN PEMBAHASAN