107 15. Terdapat perbedaan yang signifikan pada rasio keuangan CFTA antara
perusahaan yang default dengan perusahaan non default dengan nilai Z hitung = -2.363 dan ditunjukan dengan Asymp. Sig 2-Tailed = 0.018 = 0.05
16. Terdapat perbedaan yang signifikan pada rasio keuangan CFTL antara perusahaan yang default dengan perusahaan non default dengan nilai Z hitung
= -2.054 dan ditunjukan dengan Asymp. Sig 2-Tailed = 0.040 = 0.05 Hasil uji Mann Whitney menunjukan bahwa terdapat perbedaan yang
signifikan pada rata-rata rasio keuangan CAS, CATA, CLTE, QAS, CFTA, CFTL antara perusahaan yang default dengan perusahaan non default. Sedangkan rasio
CACl, CCL, CTA, CS, LTDTE, TLTE, TLTA, OITA, NIS, NITA, tidak terdapat perbedaan antara perusahaan yang default dan non default. Hal ini menunjukkan
bahwa semakin kecil probabilitas signifikansi maka semakin besar perbedaan rata- rata rasio keuangan perusahaan yang default dan non default.
4.7. Analisis Regresi Logistik Binary
Regresi Logistik Binary adalah regresi yang digunakan untuk melakukan pemodelan suatu kemungkinan kejadian dengan variabel Y respons bertipe
kategorial dua pilihan Cornelius trihendardi, 2007 : 63. Dalam penelitian ini variabel dependen respons bertipe kategorik dua
pilihan, yaitu : perusahaan-perusahaan penerbit obligasi yang dinyatakan default diberi nilai = 1 dan perusahaa-perusahaan penerbit obligasi yang tidak dinyatakan
default non default diberi nilai = 0. keterangan ini dapat dilihat dalam tabel identifikasi data :
108 Tabel 4.8
Identifikasi data
Dependent Variable Encoding
Original Value Internal Value
Non Default Default
1
Dalam penelitian ini jumlah data yang diproses sebanyak 78 atau N = 78. untuk melihat kelengkapan data yang diproses dalam penelitian ini dan tidak
adanya missing case ditunjukan oleh tabel Case Processing Summary.
Tabel 4.9 Data yang diproses
Case Processing Summary
Unweighted Casesa N
Percent Included in Analysis
78 100.0
Missing Cases .0
Selected Cases Total
78 100.0
Unselected Cases .0
Total 78
100.0 a If weight is in effect, see classification table for the total number of cases.
4.7.1 Ketepatan Model Prediksi
Untuk melihat model yang lebih baik untuk memprediksi kemungkinan terjadinya default pada perusahaan, menggunakan nilai -2Loglikelihood. Dari
hasil perhitungan -2Loglikelihood pada blok pertama blok number = 0 terlihat nilai -2Loglikelihood sebesar 108.131 seperti yang terlihatpada tabel
4.10 sebagai berikut :
109 Tabel 4.10
Ketepatan model dalam memprediksi bliok number = 0
Iteration History
a,b,c
108.131 .000
Iteration 1
Step 0 -2 Log
likelihood Constant
Coefficients Constant is included in the model.
a. Initial -2 Log Likelihood: 108.131
b. Estimation terminated at iteration number 1 because
parameter estimates changed by less than .001. c.
Kemudian hasil perhitungan nilai -2Loglikelihood pada blok kedua blok number = 1 terlihat nilai -2Loglikelihood sebesar 40.093, terjadi penurunan pada
blok kedua blok number = 1 yang ditunjukan pada tabel berikut :
Tabel 4.11 Ketepatan model dalam memprediksi
bliok number = 1
Iteration History
a,b,c,d