42
I. Pengertian Logit
Analisis Regresi logistik digunakan untuk melihat pengaruh sejumlah variabel independen terhadap variabel dependen yang berupa variabel
kategorik binomial, multinomial atau ordinal atau juga untuk memprediksi nilai suatu variabel dependen yang berupa variabel kategorik berdasarkan
nilai variabel-variabel independenUyanto, S. Stanislaus, 2006:225. SPSS menyediakan tiga prosedur regresi logistik yaitu:
1. Regresi Logistik Biner binary logistic regression, adalah regresi
logistik dimana variabel dependennya berupa variabel dikotomi atau variabel biner
.
2. Regresi Logistik Multinomial multinomial logistic regression
adalah regresi logistik di mana variabel dependennya berupa variabel kategorik
yang terdiri lebih dari dua nilai.
3. Regresi Logistik Ordinal ordinal logistic regression adalah regresi
logistik di mana variabel dependennya berupa variabel dengan skala ordinal
. Logit analysis
merupakan bentuk khusus dari regresi dimana variabel dependennya nonmetrik dan terbagi menjadi dua bagiankelompok biner,
walaupun formulasinya dapat saja meliputi lebih dari dua kelompok. Secara umum, penginterpretasian logit analysis sangat mirip dengan regresi linear
Hair dkk, 1998 dalam Liza Angelina, 2003.
43
J. Pengertian Multiple Discriminant Analysis MDA
Multiple Discriminant Analysis MDA merupakan teknik statistik yang
digunakan untuk memprediksi dan menjelaskan hubungan yang berpengaruh kuat terhadap kategori dimana objek tersebut berada dimana variabel
dependennya merupakan sesuatu yang pasti nominal atau nonmetrik dan variabel independennya metrik Hair dkk, 1998 dalam Liza Angelina 2003.
Tujuan MDA adalah mengidentifikasi jumlah fungsi diskriminan seminimum mungkin yang mampu memaksimumkan perbedaan antar kelompok yang ada
Agus Widarjono, 2010 : 193 Multiple Discriminant Analysis MDA
atau analisis pembeda ganda merupakan suatu metodologi formal yang digunakan untuk memperkecil rasio
dan untuk mempertinggi kerepresentatifan rasio keuangan yang dipilih sebagai variabel
Evi Wardhani, 2007
. Model analisis semacam ini dapat digunakan untuk:
1. Memprediksi kebangkrutan perusahaan. 2. Mengevaluasi atas prospek perusahaan secara individual.
3. Menilai kelayakan dan kewajaran suatu rencana organisasi dalam memutuskan alternatif-alternatifnya
.
K. Penelitian Sebelumnya
Argo Asmoro 2010 meneliti mengenai judul Analisis pengaruh rasio keuangan terhadap prediksi kondisi bermasalah pada
Bank Persero dan Bank Umum Swasta Nasional periode 2004-2007. Penelitian ini dilakukan untuk
44
menguji pengukuran rasio-rasio keuangan CAR Capital Adequacy Ratio, NPL Non Performing Loan, ROA Return on Assets, BOPO Biaya
OperasionalPendapatan Operasional, dan LDR Loan to Deposit Ratio terhadap prediksi kondisi bermasalah pada bank persero dan bank umum swasta nasional
periode tahun 2004 hingga 2007. Permasalahan dari penelitian ini adalah karena adanya kontradiksi researh gap dari penelitian sebelumnya. Dari hasil analisis
menunjukkan hasil secara parsial bahwa variabel CAR dan ROA berpengaruh negatif dan signifikan terhadap kondisi bermasalah. Sedangkan variabel NPL,
BOPO, dan LDR berpengaruh positif tetapi tidak signifikan terhadap kondisi bermasalah pada sektor perbankan. Kemudian hasil estimasi regresi logistik
menunjukkan kemampuan prediksi dari 5 variabel bebas tersebut terhadap kondisi bermasalah sektor perbankan sebesar 49,1 sedangkan sisanya, yaitu sebesar
50,9 dijelaskan oleh variabel lain di luar model.
Penni Mulyaningrum 2008 menganalisis rasio keuangan bank untuk memprediksi kebangkrutan bank di Indonesia. Variabel yang digunakan
sejumlah tujuh rasio keuangan bank yakni CAR, LDR, NPL, BOPO, ROA, ROE dan NIM. Data penelitian diperoleh secara sensus yang berarti
keseluruhan populasi digunakan dalam penelitian yang sejumlah 130 bank pada tahun 2006. Alat analisis yang digunakan adalah regresi logit. Hasil uji
multivariate memperlihatkan bahwa variabel LDR signifikan berpengaruh terhadap
profitabilitas kebangkrutan bank di Indonesia pada α = 5 namun tidak mempunyai tanda yang sama dengan yang diprediksikan. Variabel CAR,
NPL, BOPO, ROE, dan NIM mempunyai tanda yang sama dengan yang diprediksikan namun tidak signifikan. Variabel ROA tidak signifikan dan
