Hasil Penelitian .1 Statistik Deskriptif

51 4.2 Hasil Penelitian 4.2.1 Statistik Deskriptif Analiasis statistik deskriptif digunakan untuk memberikan gambaran statistik secara umum, peneliti mengunakan descriptive untuk variabel yang diukur dengan skala rasio dan frequency untuk variabel yang diukur dalam skala nominal. Tabel 4.2 Sumber: Output SPSS 2016, data diolah Dari tabel 4.2 diatas dapat dideskripsikan bebrapa hal berikut ini : 1. Variabel independenreturn on assets ROA memiliki rata-rata sebesar 6,0761 dengan standar deviasinya sebesar 12,63866. Nilai ROA yang tertinggi adalah 78,84 yang dimiliki oleh PT. Duta Pertiwi Nusantara Tbk. pada tahun 2013, sedangkan untuk nilai ROA yang terendah adalah -75,58 yang dimiliki oleh PT. Alam Karya Unggul Tbk. tahun 2011. Descriptive Statistics N Minimum Maximum Mean Std. Deviation Statistic Statistic Statistic Statistic Std. Error Statistic ROA 575 -75.58 78.84 6.0761 .52707 12.63866 CR 575 .42 46498.44 370.8432 93.06305 2231.57345 DR 575 .03 4.30 .5370 .01728 .41431 Valid N listwise 575 Universitas Sumatera Utara 52 2. Variabel independen current ratio CR memiliki rata-rata sebesar 0,42 dengan standar deviasinya sebesar 2231,57345. Nilai CR yang tertinggi adalah 46498,44 yang dimiliki oleh PT. Jaya Pari Steel Tbk. pada tahun 2014, sedangkan nilai CR yang terendah adalah 0,42 yang dimiliki oleh PT. Eratex Djaja Tbk. pada tahun 2010. 3. Variabel independen debt ratio DR memiliki rata-rata sebesar 0.5370 dengan standar deviasinya adalah 0,41431. Nilai DR terbesar adalah 4,30 yang dimiliki oleh PT. Asia Pasific Fibers Tbk. pada tahun 2014, sedangkan nilai DR yang terendah adalah 0,03 yang dimiliki oleh PT. Jaya Pari Steel Tbk. tahun 2013. 4.2.2 Analisis Regresi Logistik 4.2.2.1 Menguji kelayakan dengan Goodness of Fit Test Untuk menguji kelayakan suatu analisis regresi logistik dapat dilihat pada Tabel 4.3 berikut ini: Tabel 4.3 Hosmer and Lemeshow Test Step Chi-square Df Sig. 1 7,703 8 ,463 Sumber : Hasil Penelitian, 2016 Data Diolah Dari output di atas diperoleh nilai Chi Square adalah sebesar 7,703 dengan nilai sig sebesar 0,463. Dari hasil tersebut terlihat bahwa nilai sig. lebih besar daripada 0,05 sehingga berarti tidak ada perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Maka dapat disimpulkan bahwa model regresi logistik dapat digunakan untuk analisis selanjutnya. Universitas Sumatera Utara 53

4.2.2.2 Menilai Keseluruhan Model Overall Model Fit

Penilaian keseluruhan model regresi logistik dapat dilihat dengan menggunakan nilai -2 Log Likelihood. Dimana, apabila terjadi penurunan dalam nilai -2 Log Likelihood pada block number 1 dibandingkan dengan block number 0, maka dapat disimpulkan bahwa model yang kedua block number 1 dari regresi logistik tersebut baik. Hasil dari -2 Log Likehood dengan block number 0 dapat dilihat pada Tabel 4.4 berikut ini: Tabel 4.4 Likelihood L Block Nol Hasil dari -2 LogLikehood dengan block number 0 dapat dilihat pada Tabel 4.5 berikut ini : Tabel 4.5 Likelihood L Block Pertama Iteration History

a,b,c