Ghozali, 2005:219. Penurunan nilai -2 log likelihood menunjukkan bahwa model penelitian ini dinyatakan fit.
Menilai model fit dapat juga dilihat melaui tabel omnibus test of model coefficients berikut ini :
Tabel 4.7 Omnibus Tests of Model Coefficients
Chi-square df
Sig. Step 1 Step
39.429 5
.000 Block
39.429 5
.000 Model
39.429 5
.000 Sumber : Hasil Pengolahan SPSS, 2010
Tabel tersebut menunjukkan nilai signifikansi chi square dimana tingkat signifikansinya adalah 0,000 lebih kecil dari 0,05. Maka dapat disimpulkan
bahwa model yang terdiri dari beberapa variabel independen tersebut berpengaruh dan dapat digunakan untuk menilai variabel dependen. Nilai chi square di atas
adalah hasil dari selisih -2LL awal dengan -2LL akhir.
b. Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistic dilakukan dengan menggunakan goodness of fitness test yang diukur dengan nilai chi square pada bagian bawah
uji hosmer and lameshow
Tabel 4.8 Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 .000
8 1.000
Sumber : Hasil Pengolahan SPSS, 2010
Universitas Sumatera Utara
Hasil pengujian statistik menunjukkan probabilitas signifikansi sebesar 1,000. Nilai signifikansi yang diperoleh ini lebih besar dari 0,05, maka H
tidak dapat ditolak diterima. Hal ini menunjukkan bahwa model regresi layak untuk
digunakan dalam analisis selanjutnya, karena tidak ada perbedaan nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
Tabel 4.9
Sumber : Hasil Pengolahan SPSS, 2010
Contingency Table for Hosmer and Lemeshow Test
Kondisi = Bangkrut Kondisi = Tidak
Bangkrut Total
Observed Expected Observed Expected Step 1
1 3
3.000 .000
3 2
3 3.000
.000 3
3 3
3.000 .000
3 4
3 3.000
.000 3
5 3
3.000 .000
3 6
3 3.000
.000 3
7 1
1.000 2
2.000 3
8 .000
3 3.000
3 9
.000 3
3.000 3
10 .000
3 3.000
3
Universitas Sumatera Utara
Dari tabel kontinjensi untuk uji hosmer and lameshow, dapat dilihat bahwa dari 10 langkah pengamatan untuk kategori perusahaan dengan kondisi financial
distress 1 maupun kondisi non financial distress 2, nilai yang diamati maupun nilai yang diprediksi, tidak mempunyai perbedaan yang terlalu ekstrim. Ini
menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya.
1. Hasil Pengujian Hipotesis
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh dari variabel-variabel bebas terhadap peringkat obligasi. Pengujian dengan regresi
logistik ditunjukkan dalam tabel berikut ini :
Tabel 4.10 Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
30 100.0
Missing Cases .0
Total 30
100.0 Unselected Cases
.0 Total
30 100.0
a. If weight is in effect, see classification table for the total number of cases.
Sumber : Hasil Pengolahan SPSS, 2010 Berdasarkan tabel 4.10 di atas dapat diambil analisis sebagai berikut:
Universitas Sumatera Utara
a. Jumlah observasi sebanyak 30, dan seluruh observasi telah
diperhitungkan ke dalam pengujian hipotesis b.
Tidak ada variabel dependen yang dikeluarkan dengan nilai dummy variabel. Variabel dependen bernilai 0 untuk
kategori bangkrut dan bernilai 1 untuk kategori tidak bangkrut.
c. Metode yang digunakan untuk memasukkan data adalah
metode enter dimana dengan menggunakan metode ini seluruh variabel bebas independen disertakan dalam
analisis data untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
Selanjutnya, variabilitas antara variabel dependen dengan variabel independen ditampilkan pada tabel 4.11 di bawah ini.
Tabel 4.11
Berdasarkan table 4.11 di
atas, dapat dilihat hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox Snell R Square sebesar 0,731. Cox Snell R Square merupakan
ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari
Model Summary
Step -2 Log
likelihood Cox Snell
R Square Nagelkerke R
Square 1
.000
a
.731 1.000
a. Estimation terminated at iteration number
20 because maximum iterations has been reached. Final solution cannot be found.
Sumber : Hasil Pengolahan SPSS, 2010
Universitas Sumatera Utara
satu, sehingga sulit untuk diinterpretasikan. Nagelkerke’s R
2
merupakan modifikasi dari koefisien Cox dan Snell. Untuk memastikan bahwa nilainya
bervariasi dari satu 1 sampai dua 2, dilakukan dengan cara membagi nilai Cox dan Snell R
2
dengan nilai maksimumnya. Nilai Nagelkerke’s R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Dilihat dari hasil output pengolahan data nilai Nagelkerke’s R
2
menunjukkan angka sebesar 1,000 yang berarti variabilitas variable dependen yang dapat dijelaskan oleh variable
independen adalah sebesar 100. a.
Matriks Klasifikasi Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk
memprediksi kondisi perusahaan.
Tabel 4.12
Tabel 4.12 di atas menunjukkan kekuatan prediksi dari model regresi untuk
memprediksi kemungkinan kondisi perusahaan sebesar 100. Ini menunjukkan bahwa dengan menggunakan model regresi yang digunakan ada 19 perusahaan
yang diprediksi berada pada kondis bangkrut dari total 19 perusahaan yang berada
Classification Table
a
Observed Predicted
Kondisi Percentage
Correct Bangkrut
Tidak Bangkrut
Step 1 Kondisi Bangkrut 19
100.0 Tidak Bangkrut
11 100.0
Overall Percentage 100.0
a. The cut value is ,500
Sumber: Hasil Pengolahan SPSS, 2010
Universitas Sumatera Utara
pada kondisi bangkrut. Kekuatan prediksi model untuk kategori tidak bangkrut adalah sebesar 100, yang berarti bahwa model regresi yang diajukan ada 11
perusahaan yang diprediksi berada pada kondisi tidak bangkrut dari total 11 perusahaan yang berada pada kondisi tidak bangkrut.
b. Menguji Koefisien Regresi
Tabel 4.13
Tabel 4.13 di atas memperlihatkan hasil pengujian hipotesis regresi logistik pada tingkat signifikansi 5. Dari hasil pengujian hipotesis tersebut pada kolom B
maka diperoleh model persamaan regresi logistik sebagai berikut :
Y= -56.863+ 37,349X
1
+ 9,836X
2
+ 127,033X
3
+ 5,409X
4
+ 16,953X
5
Konstanta sebesar 35,451 menyatakan bahwa jika tidak memperhitungkan nilai X1, X2, X3, X4, dan X5, maka kemungkinan financial distress sebesar -56.863
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
95,0 C.I.for EXPB Lower
Upper Step 1
a
X1 37.349
4.065E4 .000
1 .999 1.661E16
.000 .
X2 9.836
1.710E4 .000
1 1.000
1.869E4 .000
. X3
127.033 2.212E5
.000 1
1.000 1.479E55 .000
. X4
5.409 3.447E3
.000 1
.999 223.487
.000 .
X5 16.953
1.799E4 .000
1 .999
2.304E7 .000
. Constant
-56.863 1.938E4
.000 1
.998 .000
a. Variables entered on step 1: X1, X2, X3, X4, X5.
Sumber: Hasil Pengolahan SPSS, 2010
Universitas Sumatera Utara
D. Pembahasan Hasil Penelitian
Dari analisis regresi logistik yang dilakukan, dari tingkat signifikansi yang dimiliki masing-masing variabel independen menunjukkan bahwa rasio keuangan
tidak dapat digunakan untuk memprediksi kondisi financial distress perusahaan, karena tingkat signifikansi masing-masing variabel independen berada di atas 5.
Hasil penelitian ini tidak sesuai dengan hasil penelitian Almilia 2003 dan Raden 2008 yang menyatakan bahwa rasio keuangan dapat digunakan untuk
memprediksi kondisi financial distress perusahaan. Ditinjau dari penelitian Almilia, hal ini mungkin dapat terjadi karena periode pengamatan penelitian yang
berbeda dimana Almilia melakukan penelitian pada tahun pengamatan 1998 - 2001 sedangkan peneliti melakukan penelitian pada tahun pengamatan 2008,
kemudian variabel yang digunakan ada yang berbeda dan pada penelitian Almilia rasio yang dapat digunakan untuk memprediksi kondisi financial distress yaitu
gross profit margin net incomesales, financial leverage current liabilitiestotal asset, dan rasio pertumbuhan growth net incometotal asset.
Sedangkan ditinjau dari penelitian Raden 2008 dimana variabel yang digunakan sama, hasil penelitian ini memiliki kemiripan dimana pada penelitian Raden rasio
yang dapat digunakan untuk memprediksi kondisi financial distress perusahaan hanya leverage ratio debt to total asset ratio sedangkan rasio yang lain yaitu
current ratio, gross profit margin, inventory turnover dan return on equity tidak dapat digunakan untuk memprediksi kondisi financial distress suatu perusahaan.
Hasil penelitian ini berbeda dengan penelitian Raden mungkin disebabkan oleh periode pengamatan penelitian yang berbeda dimana Raden meneliti pada tahun
Universitas Sumatera Utara
