bebas yang diamati dengan faktor-faktor pengembalian pembiayaan. Uji ini dilakukan dengan melihat nilai chi square dari setiap variabel. Tetapi nilai chi
square ini tidak dapat digunakan untuk jumlah data yang diekspektasi dalam suatu kategori, masing-masing variabel memiliki nilai ekspektasi kurang dari lima atau
lebih dari 20 persen. Untuk itu digunakan nilai likelihood ratio, dimana likelihood ratio mengikuti distribusi chi square dengan df = degrees of freedom sebesar
banyaknya variabel bebas. Untuk memeriksa koefisien atau peranan peubah penjelas atau variabel
bebas dalam model secara parsial dilakukan uji-Wald. Hipotesisnya : H
:
i
= 0 H
1
:
i
0 i = 1,2,…,p rumus uji-Wald tersebut adalah :
= ……………………………………………………. 8
dimana
i
merupakan penduga
i
dan S
i
adalah dugaan galat baku dari
i
. Statistik uji-Wald mengikuti sebaran normal baku Hosmer dan Lemeshow,
1989. Kriteria uji ini adalah : 1 jika
| |
Z
2
, terima H 2 jika
| |
Z
2
, tolak H
4.4.3.3. Interpretasi Koefisien dan Daya Ramal Prediksi
Interpretasi koefisien dilakukan pada peubah-peubah yang berpengaruh nyata. Interpretasi dilakukan dengan melihat tanda dari koefisien tersebut. Jika
koefisien yang diperoleh bernilai positif maka kecenderungan Y=1 lebih besar terjadi pada peubah bebas X = 1 daripada X = 0.
Rasio odds dapat digunakan untuk memudahkan interpretasi koefisien. Rasio odds adalah ukuran yang memperkirakan berapa besar kecenderungan
peubah-peubah penjelas variabel bebas terhadap peubah respon variabel tak bebas Hosmer dan Lemeshow, 1989. Jika suatu variabel bebas mempunyai
tanda koefisien positif, maka nilai rasio oddsnya lebih besar dari satu. Menurut Hosmer dan Lemeshow 1989 koefisien model logit ditulis
sebagai
i
= gx+1 – gx. Parameter
i
slope mencerminkan perubahan dalam fungsi logit gx untuk perubahan satu unit peubah bebas X yang disebut log odds.
Log odds merupakan beda antara dua pendugaan yang dihitung pada dua nilai misal x = a dan x = b yang dinotasikan sebagai :
ln[ , ] = g =
- gx = b =
i
- b …………………… 9 sedangkan penduga ratio-odds adalah :
= [ 1 1
1] [ 0 1
0] ln = g1
g0 ln =
………........................................... 10 Dimana rasio odds
= 1
dapat diartikan bahwa x = 1 akan mempunyai peluang yang sama dengan x = 0 untuk menghasilkan Y = 1. Apabila 1
maka x = 1 mempunyai peluang yang lebih besar.
Sedangkan untuk mendapatkan nilai ramalan atau prediksi model dapat dilakukan dengan menggunakan hasil casewise list. Hasil daya ramal prediksi
model, menggunakan kriteria pemotongan dengan nilai peluang 0,5. Karena variabel tidak bebas Y dalam model logit mengambil nilai 0 dan 1, maka jika nilai
prediksi lebih besar dari 0,5 dibulatkan menjadi satu, jika kurang dari 0,5
dibulatkan menjadi nol. Output casewise list akan menunjukkan banyaknya kasus yang tidak terklasifikasi dengan tepat.
Ukuran ketepatan fungsi konvensional R
2
tidak tepat dipergunakan di dalam regresi dimana variabel tidak bebasnya adalah dummy atau binary, maka
dapat dipakai nilai pseudo R square, yaitu menggunakan nilai negelkerke R square. Jenis lainnya disebut count R
2
percentage correct, yang merupakan hasil dari pembagian antara number of correction prediction dengan total number of
observation.
4.5. Keterbatasan Penelitian
Penelitian ini merupakan kasus pada BPRS Al-Salaam Amal Salman yang berlokasi di Kelurahan Cinere, Depok. Pemilihan lokasi penelitian ini disesuaikan
oleh keterbatasan waktu dan dana. Selain itu, keterbatasan lain dalam penulisan ini sulit mendapatkan tempat melakukan penelitian, karena lembaga keuangan
tidak selalu bersedia memberikan seluruh data yang diperlukan.