92
sebesar 28.39131707 dari jumlah saham yang beredar. Kepemilikan saham publik yang terendah adalah sebesar 0.75
dan yang tertinggi adalah sebesar 66.54. Sedangkan kepemilikan publik memiliki nilai standar deviasi sebesar 13.18632464 yang
berarti bahwa batas penyimpangan saham kepemilikan publik adalah sebesar 13.18632464.
SIZE ukuran perusahaan menunjukkan seberapa besar total asset yang dimiliki oleh perusahaan tersebut, data dihitung
dengan menggunakan logaritma natural total asset. Dalam tabel terlihat bahwa rata-rata dari logaritma natural total asset yang
dimiliki oleh
perusahaan sebesar
27,66177237, hal
ini menunjukkan bahwa rata-rata aset yang dimiliki oleh perusahaan
sebesar 27,66177237. Total asset terendah adalah sebesar 24,254409 dan yang tertinggi sebesar 31,760910. Sedangkan nilai
standar deviasi sebesar 1,702393920 yang berarti bahwa batas penyimpangan logaritma natural total asset adalah sebesar
1,702393920.
93
2. Analisis Regresi Logistik Binary
Pengujian kedua hipotesis menggunakan model binary logistic regression dengan metode enter pada tingkat signifikansi
α = 5. Binary logistic regression digunakan untuk menguji
pengaruh variabel independen KM kepemilikan manajerial, KI kepemilikan institusional, STK pemegang saham terbesar
kedua, DW ukuran dewan direksi, KP kepemilikan publik, PP partisipasi pendiri, PK penyebaran kepemilikan dan variabel
kontrol SIZE ukuran perusahaan dan SP sumber pendanaan terhadap financial distress. Pengujian hipotesis meliputi 1
menilai kelayakan model regresi, 2 menilai keseluruhan model, dan 3 menguji koefisien regresi.
a. Menilai Kelayakan Model Regresi Goodness of Fit
Langkah pertama yang dapat dilakukan adalah menilai kelayakan model regresi. Dari tampilan dalam tabel
Hosmer and Lemeshow Test menunjukkan bahwa besarnya nilai statistik Hosmer and Lemeshow Goodness of Fit
sebesar 4.725 dengan probabilitas 0.787 dimana 0.787 0.05 maka hipotesis nol tidak dapat ditolak H
diterima. Hal ini dapat diartikan bahwa model regresi yang
dipergunakan dalam penelitian ini layak dipergunakan
94
untuk analisis selanjutnya, karena tidak ada perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yang
diamati.
Tabel 4.8 Hosmer and Lemeshow Test
Step Chi-square df
Sig. 1
4.725 8
.787 Sumber: Data diolah
b. Menilai Keseluruhan Model Overall Model Fit Test
Langkah berikutnya menilai kelayakan model overall model fit. Pada tabel 4.9 ditunjukkan uji kelayakan
dengan memperhatikan angka pada awal -2 LogLikelihood LL. Dari hasil perhitungan -2 LogLikelihood pada blok
pertama block number = 0 terlihat nilai -2 LogLikelihood sebesar 227.770. Kemudian hasil perhitungan nilai -2
LogLikelihood pada blok kedua block number = 1 terlihat nilai -2 LogLikelihood sebesar 151.665 terjadi penurunan
pada blok kedua block number = 1 yang ditunjukkan pada tabel 4. 9.
Penilaian keseluruhan model regresi menggunakan nilai -2 LogLikelihood dimana jika terjadi penurunan pada
blok kedua dibanding blok pertama maka dapat disimpulkan bahwa model regresi kedua menjadi lebih
95
baik. Seperti yang ditunjukkan pada kedua tabel, pada blok pertama block number = 0 nilai-nilai -2 LogLikelihood
sebesar 227.770 dan pada blok kedua block number = 1 nilai -2 LogLikelihood 151.665. Dari hasil ini kita dapat
menyimpulkan bahwa model yang dihipotesiskan fit dengan data.
Tabel 4.9 Overall Model Fit Test
Block Number = 0 -2 Log Likelihood
Block Number = 1 -2 Log Likelihood
227.770 151.665
Sumber : Data diolah
c. Menguji Koefisien Regresi
Tahap yang terakhir adalah uji koefisien regresi, dimana hasilnya dapat dilihat pada tabel Model Summary.
Tabel tersebut menunjukkan hasil pengujian dengan regresi logistik pada tingkat signifikansi 5 persen. Pada tabel
Model Summary memberikan nilai Cox Snell R Square sebesar 0.310 dan nilai Nagelkerke R Square sebesar 0.462
yang menjelaskan bahwa dalam model regresi ini kemampuan variabel independen dalam menjelaskan
financial distress sebesar 46.2 dan sisanya 53.8 dijelaskan oleh variabel lain.
96
Tabel 4.10 Model Summary
Step -2
Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 151.665
a
.310 .462
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than
,001.
Variabel lain yang dapat mempengaruhi financial distress adalah faktor-faktor ekonomi makro. Menurut Ross
2005 dalam Ahmad Rodoni dan herni Ali, 2010: 182 , mengungkapkan bahwa ketidakpastian kondisi ekonomi
makro, merupakan contoh dari risiko sistematis yang mempengaruhi sejumlah besar aset perusahaan. Kondisi ini
mempengaruhi semua saham diberbagai tingkat. Kepekaan perusahaan terhadap tekanan kondisi ekonomi makro
merupakan inti dari risiko sistematis. Beberapa penjelasan terkait dengan faktor ekonomi makro adalah sebagai
berikut: Indeks Harga Saham Gabungan IHSG
Indeks pasar ini merupakan alat ukur kinerja sekuritas khususnya saham yang listing di bursa yang digunakan
oleh bursa-bursa di dunia. IHSG digunakan untuk mengukur kinerja saham. Fungsinya juga sebagai
benchmark kinerja portofolio, indikator trend pasar,
97
indikator tingkat keuntungan dan sebagai fasilitas perkembangan produk derivatif.
Inflasi Dalam ekonomi, inflasi memiliki pengertian suatu
proses meningkatnya harga-harga secara umum dan terus-menerus. Dengan kata lain, inflasi merupakan
proses suatu peristiwa dan bukan tinggi-rendahnya tingkat harga. Artinya harga yang dianggap tinggi
belum tentu menunjukkan inflasi, dianggap inflasi jika terjadi proses kenaikan harga yang terus-menerus dan
saling mempengaruhi. Inflasi
merupakan faktor
risiko yang
harus dipertimbangkan dalam proses investasi. Adanya
kenaikan harga secara umum akan berdampak pada berkurangnya daya beli sehingga tingkat hasil riil akan
turun. Dengan demikian apabila inflasi naik, maka investor akan menginginkan kenaikan hasil nominal
guna melindungi tingkat inflasi riilnya.
