53
penelitian ini adalah 0,121 dimana nilai chi-square tabel adalah 14,07 11,422 14,07. Dengan demikian,maka nilai chi-square
hitung lebih kecil dari nilai chi-square tabel dan nilai signifikansi penelitian ini lebih besar dari 0.05 0,121 0.05, yang berarti
model dapat diterima dan layak digunakan untuk penelitian ini.
4.2.2.2 Menilai Keseluruhan Model Overall Model Fit
Uji keseluruhan model digunakan untuk melihat model yang telah dihipotesiskan telah fit atau tidak dengan data.
Pengujian dilakukan dengan membandingkan nilai antara -2 Log Likelihood
pada awal block number = 0 di mana model hanya memasukkan konstanta dengan nilai -2 Log Likelihood pada akhir
block number = 1 di mana model sudah memasukkan konstanta dan variabel bebas. Penelitian ini menghasilan nilai -2 Log
Likelihood awal dan akhir sebagai berikut.
Tabel 4.3 Nilai -2 Log Likelihood Awal
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
67.047 -.857
2 67.006
-.916 3
67.006 -.916
a. Constant is included in the model. b. Initial -2 Log Likelihood: 67.006
c. Estimation terminated at iteration number 3 because parameter estimates changed by less than
.001.
Universitas Sumatera Utara
54
Tabel 4.4 Nilai -2 Log LikelihoodAkhir
Iteration History
a,b,c,d
Iteration -2 Log likelihood
Coefficients Constant
X1 X2
X3 X4
Step 1 1
56.417 2.764
-2.270 -2.053
.316 .214
2 54.635
4.953 -3.090
-3.312 .438
.307 3
54.524 5.763
-3.318 -3.760
.476 .335
4 54.524
5.834 -3.336
-3.798 .479
.337 5
54.524 5.834
-3.336 -3.798
.479 .337
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 67.006 d. Estimation terminated at iteration number 5 because parameter estimates changed by less than
.001.
Dari kedua tabel di atas, dapat kita lihat bahwa nilai -2log likelihood
pada awal adalah 67,006 sedangkan nilai -2 log likelihood
pada akhir,setelah model dimasukkan konstanta dan variabel bebas adalah 54,524. Penurunan nilai 2 log likelihood
menunjukkan bahwa model penelitian ini baik atau dengan kata lain fit dengan data, artinya penambahan-penambahan variabel
independen dalam penelitian ini, yaitu Management Capability PRESTISE_PEND, dan STRATA_PEND, dan Corporate
Governance UDK dan UDD kedalam model penelitian akan
memperbaiki model fit dalam penelitian.
Universitas Sumatera Utara
55
4.2.2.3 Koefisien Determinasi Nagelkerke R Square
Dalam regresi logistik, nilai statistik dari Nagelkerke R Square
dapat diinterpretasikan sebagai suatu nilai yang mengukur kemampuan variabel-variabel independen dalam menjelaskan atau
menerangkan variabel dependen. Hasil penelitian ini menunjukkan nilai Nagelkerke R Square sebagai berikut.
Tabel 4.5 Nagelkerke R Square
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 54.524
a
.200 .286
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Berdasarkan tabel 4.5 diatas, nilai statistik Nagelkerke R Square
adalah sebesar 0.286 yang berarti variabel dependen, yaitu financial distress dapat dijelaskan oleh variabel independen, yaitu
Management Capability
PRESTISE_PEND, dan
STRATA_PEND, dan Corporate Governance UDK dan UDD sebesar 28.6 dan sisanya 71.4 dapat dijelaskan oleh variabel
lain di luar model. Berdasarkan nilai Nagelkerke tersebut dapat dikatakan bahwa variabel Management capability dan Corporate
Governance kurang mampu menjelaskan kondisi financial distress
yang dialami perusahaan secara menyeluruh.
Universitas Sumatera Utara
56
4.2.2.4 Matriks Klasifikasi
Matriks klasifikasi digunakan untuk menunjukkan kekuatan prediksi dari model regresi dalam memprediksi kondisi financial
distress pada perusahaanpertambangan batubara.
Tabel 4.6
Classification Table
a
Observed Predicted
FD Percentage
Correct Non Distress
Distress Step 1
FD Non Distress
38 2
95.0 Distress
8 8
50.0 Overall Percentage
82.1 a. The cut value is .500
Tabel hasil penelitian di atas menunjukkan seberapa baik model mengelompokkan perusahaan ke dalam dua kelompok baik
yang tidak mengalami financial distress maupun yang mengalami financial distress. Kekuatan prediksi dari model regresi untuk
memprediksi kemungkinan perusahaan tidak mengalami financial distress
adalah sebesar 95. Hal ini menunjukkan bahwa dari 40 sampel perusahaan yang tidak mengalami financial distress, 38
perusahaan yang diprediksi tepat tidak mengalami financial distress
dan sebanyak 2 perusahaan yang diprediksi tidak tepat. Kekuatan prediksi dari model regresi untuk memprediksi
kemungkinan perusahaan mengalami financial distress adalah sebesar 50. Hal ini menunjukkan bahwa dari 16 sampel
Universitas Sumatera Utara
57
perusahaan yang mengalami financial distress, sebanyak 8 perusahaan yang diprediksi tepat mengalami financial distress dan
sebanyak 8 perusahaan yang diprediksi tidak tepat. Keakuratan prediksi secara menyeluruh sebesar 82,1.Tingginya persentase
ketepatan pada tabel klasifikasi tersebut mendukung tidak adanya perbedaan yang signifikan terhadap data hasil prediksi dan data
observasinya yang menunjukkan sebagai model regresi logistik yang baik.
4.2.3 Pengujian Hipotesis
Pengujian hipotesis menggunakan model logistic regression binary pada tingkat signifikan 5. Hasil pengolahan data menunjukkan sebagai
berikut.
Tabel 4.7
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
Step 1
a
PRESTISE_PEND -3.336
2.367 1.987
1 .159
.036 STRATA_PEND
-3.798 1.891
4.036 1
.045 .022
UDK .479
.223 4.612
1 .032
1.615 UDD
.337 .265
1.618 1
.203 1.401
Constant 5.834
4.121 2.005
1 .157
341.741 a. Variables entered on step 1: PRESTISE_PEND, STRATA_PEND, UDK, UDD.
Dari pengujian persamaan regresi logistik tersebut, maka diperoleh model regresi logistik sebagai berikut:
ln P1-P = 5.834 -
. � – .
� + 0, � + 0,
�
Universitas Sumatera Utara
58
Nilai konstanta sebesar 5,834 menyatakan bahwa jika tidak memperhitungkan Management Capability PRESTISE_PEND, dan
STRATA_PEND, dan Corporate Governance UDK dan UDD, maka kecenderungan perusahaan mengalami financial distress sebesar 5,834.
Nilai positif dari konstanta ini menunjukkan bahwa jika variabel bebas tidak ada, maka maka kecenderungan perusahaan mengalami financial
distress semakin tinggi terjadi.
4.2.3.1 Pengujian signifikan model secara simultan
Tabel Omnibus Tests of Model Coefficients digunakan untuk melihat hasil pengujian variabel independen terhadap
variabel dependen secara simultan.
Tabel 4.8
Omnibus Tests of Model Coefficients
Chi-square df
Sig. Step 1
Step 12.483
4 .014
Block 12.483
4 .014
Model 12.483
4 .014
Dari tabel di atas, dapat kita ketahui bahwa nilai signifikasi sebesar 0.014. Dengan diperoleh hasil signifikansi yang lebih kecil
dari 0.05 0.014 0.05 dan nilai chi square hitung lebih besar dari nilai chi-square tabel 12.483 9.49, maka dapat disimpulkan
bahwa variabel-variabel independen yang digunakan secara bersama-sama berpengaruh signifikan terhadap prediksi kondisi
financial distress.
Universitas Sumatera Utara
59
4.2.3.2 Pengujian signifikan model secara parsial
Pengujian signifikansi secara parsial dilakukan dengan uji Wald. Nilai statistik dari uji Wald yang diperoleh sebagai berikut:
Tabel 4.9
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
Step 1
a
PRESTISE_PEND -3.336
2.367 1.987
1 .159
.036 STRATA_PEND
-3.798 1.891
4.036 1
.045 .022
UDK .479
.223 4.612
1 .032
1.615 UDD
.337 .265
1.618 1
.203 1.401
Constant 5.834
4.121 2.005
1 .157
341.741 a. Variables entered on step 1: PRESTISE_PEND, STRATA_PEND, UDK, UDD.
Dari tabel uji Wald di atas, dapat diperoleh hasil pengujian hipotesis sebagai berikut:
1. Hipotesis I
Dari tabel 4.9 dapat kita lihat nilai signifikansi latar belakang pendidikan prestise PRESTISE_PEND adalah 0,159. Hal ini
menunjukkan bahwa nilai tersebut berada di atas nilai alpa, yaitu 0.05 0.050.159. Dengan demikian, tidak terdapat
pengaruh antara latar belakang pendidikan prestise terhadap kondisi financial distress pada perusahaan pertambangan
batubara. Hal ini berarti kita menolak H1.
2. Hipotesis II
Dari tabel 4.9 dapat kita lihat nilai signifikansi Strata Pendidikan Rata-rata STRATA_PEND adalah 0,045. Hal ini
Universitas Sumatera Utara
60
menunjukkan bahwa nilai tersebut berada di bawah nilaialpa, yaitu 0.05 0.050.045. Dengan demikian, terdapat pengaruh
positif antara Strata Pendidikan rata-rata terhadap kondisi financial distress
pada perusahaan pertambangan batubara. Hal ini berarti kita menerima H2.
3. Hipotesis III
Dari tabel 4.9 dapat kita lihat nilai signifikansi Ukuran Dewan Komisaris UDK adalah 0,032. Hal ini menunjukkan bahwa
nilai tersebut berada di bawah nilaialpa, yaitu 0.05 0.050.032. Dengan demikian, terdapat pengaruh positif
antara Strata pendidikan rata-rata terhadap kondisi financial distress
pada perusahaan pertambangan batubara. Hal ini berarti kita menerima H3.
4. Hipotesis IV
Dari tabel 4.9 dapat kita lihat nilai signifikansi Ukuran Dewan Direksi UDD adalah 0,203. Hal ini menunjukkan bahwa nilai
tersebut berada di atas nilaialpa, yaitu 0.05 0.050.203. Dengan demikian, tidak terdapat pengaruh antara Ukuran
Dewan Direksi UDD terhadap kondisi financial distress pada perusahaan pertambangan batubara. Hal ini berarti kita
menolak H4.
Universitas Sumatera Utara
61
4.2.4 Pengujian Interaksi Uji Moderating
Untuk menguji apakah Leverage Ratio dapat digunakan sebagai variabel moderating, perlu dilakukan Uji persamaan regresi moderasi atau
yang lebih dikenal sebagai Moderated Regression Analysis MRA.
4.2.4.1 Uji Interaksi Leverage dengan Prestise Pendidikan
Tabel 4.10 Uji F Leverage x Prestise pendidikan
ANOVA
a
Model Sum of
Squares df
Mean Square
F Sig.
1 Regression
2.058 3
.686 4.127
.011
b
Residual 8.312
50 .166
Total 10.370
53 a. Dependent Variable: Financial Distress
b. Predictors: Constant, Ln_LEVPRESTISE, Ln_PRESTISE, Ln_LEVERAGE
Tabel 4.11 Uji T Leverage x Prestise Pendidikan
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.210 .100
2.096 .041
Ln_LEVERAGE -.063
.097 -.167
-.646 .521
Ln_PRESTISE -.189
.130 -.190
-1.453 .153
Ln_LEVPREST -.393
.179 -.556
-2.194 .033
a. Dependent Variable: Financial Distress
Universitas Sumatera Utara
62
4.2.4.2 Uji Interaksi Leverage terhadap Strata Pendidikan
Tabel 4.12 Uji F Leverage x Strata Pendidikan
ANOVA
a
Model Sum of
Squares df
Mean Square
F Sig.
1 Regression
2.442 3
.814 5.134
.004
b
Residual 7.928
50 .159
Total 10.370
53 a. Dependent Variable: Financial Distress
b. Predictors: Constant, Ln_LEVSTRATA, Ln_STRATA, Ln_LEVERAGE
Tabel 4.13 Uji T Leverage x Strata Pendidikan
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
1.290 .506
2.547 .014
Ln_LEVERAGE 1.075
.410 2.848
2.621 .012
Ln_STRATA -1.104
.558 -.249
-1.978 .053
Ln_LEVSTRATA -1.029
.439 -2.554
-2.346 .023
a. Dependent Variable: Financial Distress
4.2.4.3 Uji Interaksi Leverage terhadap UDK
Tabel 4.14 Uji F Leverage x UDK
ANOVA
a
Model Sum of
Squares df
Mean Square
F Sig.
1 Regression
.881 3
.294 1.546
.214
b
Residual 9.490
50 .190
Total 10.370
53 a. Dependent Variable: Financial Distress
b. Predictors: Constant, Ln_LEVUDK, Ln_UDK, Ln_LEVERAGE
Universitas Sumatera Utara
63
Tabel 4.15 Uji T Leverage x UDK
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.053 .294
.182 .856
Ln_LEVERAGE -.035
.312 -.093
-.113 .911
Ln_UDK .132
.178 .104
.743 .461
Ln_LEVUDK .085
.199 .352
.428 .670
a. Dependent Variable: Financial Distress
4.2.4.4 Uji Interaksi Leverage terhadap UDD
Tabel 4.16 Uji F Leverage x UDD
ANOVA
a
Model Sum of
Squares df
Mean Square
F Sig.
1 Regression
.814 3
.271 1.419
.248
b
Residual 9.557
50 .191
Total 10.370
53 a. Dependent Variable: Financial Distress
b. Predictors: Constant, Ln_ LEVUDD, Ln_UDD, Ln_LEVERAGE
Tabel 4.17 Uji T Leverage x UDD
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.414 .322
1.285 .205
Ln_LEVERAGE .144
.327 .380
.440 .662
Ln_UDD -.088
.204 -.067
-.433 .667
Ln_LEVUDD -.019
.179 -.091
-.103 .918
a. Dependent Variable: Financial Distress
Universitas Sumatera Utara
64
Dari tabel uji interaksi moderating di atas, dapat diperoleh hasil pengujian hipotesis sebagai berikut:
1. Hipotesis V
Tabel 4.10 menunjukkan bahwa Variabel Pendidikan Prestise, Leverage dan Moderasi LEVPREST menghasilkan nilai F
hitung sebesar 4,127 dengan tingkat signifikansi 0,011. Karena probabilitas signifikansi lebih kecil dari 0,05, maka dapat
dikatakan bahwa Variabel Pendidikan Prestise, Leverage dan Moderasi LEVPREST secara bersama-sama berpengaruh
terhadap financial distress. Hasil uji T pada tabel 4.11 menunjukkan bahwa dari ketiga variabel yang dimasukkan
dalam regresi, secara parsial variabel yang signifikan adalah variabel moderating LEVPREST, yakni dengan nilai
signifikansi 0,33. Maka dapat dikatakan bahwa Variabel Leverage
mempengaruhi hubungan antara Prestise pendidikan dan financial distress. Hal ini berarti kita menerima H5.
2. Hipotesis VI
Tabel 4.12 menunjukkan bahwa Variabel Strata Pendidikan rata-rata, Leverage dan variabel moderasi LEVSTRATA
menghasilkan nilai F hitung sebesar 5,134 dengan tingkat signifikansi 0,04. Karena probabilitas signifikansi lebih kecil
daripada 0,05, maka dapat dikatakan bahwa variabel Strata Pendidikan rata-rata, Leverage dan variabel moderasi
Universitas Sumatera Utara
65
LEVSTRATA secara bersama-sama berpengaruh terhadap financial distress. Hasil Uji T pada tabel 4.13 menunjukkan
bahwa secara parsial, variabel moderating LEVSTRATA berpengaruh signifikan dengan nilai signifikansi sebesar 0,023.
Maka dapat dikatakan bahwa variabel leverage merupakan variabel yang memoderasi hubungan antara Strata pendidikan
rata-rata dengan financial distress. Hal ini berarti kita menerima H6.
3. Hipotesis VII
Tabel 4.14 menunjukkan bahwa secara simultan variabel UDK, Leverage dan variabel moderasi LEVUDK menunjukkan
hasil yang tidak signifikan, dengan nilai signifikansi 0,214. 0,214 0,05. Dan hasil uji T pada tabel 4.15 menunjukkan
bahwa variabel moderating LEVUDK menunjukkan hasil yang tidak signifkan, dengan nilai signifikansi 0.670. Sehingga
dapat disimpulkan bahwa variabel leverage bukan variabel yang dapat mempengaruhi hubungan UDK dan financial
distress. Hal ini berarti kita menolak H7.
4. Hipotesis VIII
Tabel 4.16 menunjukkan bahwa secara simultan variabel UDD, Leverage dan variabel moderasi LEVUDD menunjukkan
hasil yang tidak signifikan, dengan nilai signifikansi 0,248. 0,248 0,05. Dan hasil uji T pada tabel 4.15 menunjukkan
Universitas Sumatera Utara
66
bahwa variabel moderating LEVUDD menunjukkan hasil yang tidak signifkan dengan nilai signifikansi 0.918. Sehingga
dapat disimpulkan bahwa variabel leverage bukan variabel yang dapat mempengaruhi hubungan UDD dan financial
distress. Hal ini berarti kita menolak H8.
4.3 Pembahasan Hasil Penelitian
