Sumber : Financial Report BEI, Data Diolah
14 RYAN
24,716 24,255
3 15
SRSN 26,351
26,547 3
16 SMSM
27,220 27,298
3 17
BGMT 27,070
27,097 3
18 SMPL
26,042 26,023
3 19
TOTO 27,466
27,535 3
20 TPEN
27,200 27,706
3 21
UGAR 28,246
28,025 3
Untuk memudahkan analisis data dalam tabel peniliti menggunakan tahun 1 dan 2 dikarenakan pada kelompok 4, data yang
diolah menggunakan tahun yang berbeda. Berdasarkan hasil perhitungan LNASSET masing-masing perusahaan kategori 3 pada
tabel 4.32, pada tahun pertama LNASSET tertinggi dimiliki oleh PT. Kalbe Farma sebesar 29,164 dan terendah dimiliki oleh PT. Energi
Mega Persada sebesar 22,570. Pada tahun kedua LNASSET tertinggi dimiliki oleh PT. Lippo Karawaci sebesar 29,346 dan terendah kembali
dimiliki oleh PT. Energi Mega Persada sebesar 23,014.
C. Analisis Multinomial Logit
Analisis Multinomial Logit digunakan jika dalam variabel penelitian variabel respon dependen dikategorikan menjadi tiga atau lebih kategori.
Dalam penelitian ini variabel dependen Y bertipe kategorik empat pilihan yaitu perusahaan yang tidak mengalami laba bersih dan nilai ekuitas
negatif kategori 0, perusahaan yang mengalami laba bersih negatif kategori 1, perusahaan yang mengalami laba bersih dan nilai ekuitas negatif kategori
2 dan perusahaan yang delisted karena laba bersih negatif atau nilai ekuitas negatif serta perusahaan yang melakukan merger kategori 3.
79
Dalam penelitian ini jumlah data yang diproses sebanyak 230 atau N=230. Untuk melihat kelengkapan data yang diproses dalam penelitian ini
dan tidak adanya missing case ditunjukkan oleh tabel Case Processing Summary
:
Tabel 4.33 Data yang diproses
Case Processing Summary
92 40,0
76 33,0
20 8,7
42 18,3
230 100,0
230 230
a
KELOMPOK 1 KELOMPOK 2
KELOMPOK 3 KELOMPOK 4
KELOMPOK
Valid Missing
Total Subpopulation
N Marginal
Percentage
The dependent variable has only one value observed in 230 100,0 subpopulations.
a.
Tabel 4.34 Model Fitting Test
Model Fitting Information
577,442 321,648
255,794 24
,000 Model
Intercept Only Final
-2 Log Likelihood
Model Fitting
Criteria Chi-Square
df Sig.
Likelihood Ratio Tests
Pada tabel 4.34 dapat dilihat bahwa angka -2 Log Likelihood pada model awal intercept only sebesar 577,442 dan angka -2 Log Likelihood
pada model final sebesar 321,648. Karena hasil ini menunjukkan adanya penurunan, sehingga dapat ditarik kesimpulan bahwa model ini
menunjukkan model multinomial logit yang lebih baik.
80
Tabel 4.35 Goodness of Fit Test
Goodness-of-Fit
590,468 663
,980 321,648
663 1,000
Pearson Deviance
Chi-Square df
Sig.
Hasil output Chi Square sebesar 590,468 untuk koefisien Pearson dengan signifikan pada 0,980 dan 321,648 untuk koefisien Deviance
dengan signifikan pada 1,000 oleh karena nilai ini berada diatas
á
=0,05 maka model dapat dikatakan fit dan model dapat diterima.
Tabel 4.36 Koefisien Cox and Snell, Nagelkerke dan McFadden
Pseudo R-Square
,671 ,730
,443 Cox and Snell
Nagelkerke McFadden
Nilai statistik R-Square pada analisis Multinomial Logistik didekati dengan nilai Pseudo R-Square: Cox and Snell, Nagelkerke dan McFadden.
Nilai pada rentang 0-1. Semakin mendekati 1, semakin banyak variasi yang dapat dijelaskan oleh model. Cornelius Trihendardi, 2007.
Nilai Koefisien Cox and Snell sebesar 0,671, nilai koefisien McFadden sebesar 0,443 dan nilai Koefisien Nagelkerke pada tabel Pseudo
R-Square sebesar 0,730 yang berarti variabilitas variabel independen sebesar 73 .
81
Tabel 4.37 Hasil Pengujian Multinomial Logit Rasio keuangan, trend harga
saham dan faktor fundamental LNASSET
a
Lower Bound Upper Bound
Kelompok 1 Intercept -12,418
5,799 4,586
1 0,032
TETA 3,672
1,840 3,983
1 ,046
39,322 1,068
1448,038 RETA
,002 ,707
,000 1
,998 1,002
,251 4,003
NITA 24,109
4,704 26,273 1
,000 3E+010 2929619,056
2,980E+014 CACL
,090 ,107
,704 1
,401 1,094
,887 1,350
TDTE ,056
,040 1,950
1 ,163
1,058 ,978
1,145 TDTA
1,245 1,552
,643 1
,423 3,472
,166 72,693
LNASSET ,372
,188 3,920
1 ,048
1,450 1,004
2,096 TREND
-,583 1,225
,227 1
,634 ,558
,051 6,160
Kelompok 2 Intercept -2,025
4,737 ,183
1 ,669
TETA 1,140
1,068 1,141
1 ,285
3,128 ,386
25,347 RETA
-,702 ,468
2,250 1
,136 ,496
,198 1,240
NITA -3,369
2,109 2,553
1 ,110
,034 ,001
2,146 CACL
,089 ,107
,695 1
,405 1,093
,886 1,349
TDTE ,059
,035 2,891
1 ,089 1,061
,991 1,135
TDTA -1,353
1,054 1,649
1 ,199
,258 ,033
2,039 LNASSET
,088 ,166
,280 1
,597 1,092
,789 1,511
TREND -,104
1,001 ,011
1 ,917
,901 ,127
6,409 Kelompok 3 Intercept
-35,792 13,642
6,883 1
,009 TETA
-3,503 1,719
4,153 1
,042 ,030
,001 ,875
RETA -1,927
,657 8,610
1 ,003
,146 ,040
,527 NITA
1,038 2,976
,122 1
,727 2,824
,008 963,499
CACL ,085
,119 ,515
1 ,473
1,089 ,863
1,374 TDTE
-,142 ,066
4,594 1
,032 ,867
,761 ,988
TDTA -,999
1,145 ,761
1 ,383
,368 ,039
3,473 LNASSET
1,212 ,475
6,520 1
,011 3,361
1,325 8,521
TREND 3,518
2,220 2,512
1 ,113
33,718 ,435
2614,573 Kelompok B
Std. Error Wald
df Sig
ExpB 95 Confidence interval for Exp B
a.
The reference category is:KELOMPOK 4
Signifikan pada α=5
Signifikan pada α=10
Hasil pengujian regresi multinomial logit pada tabel 4.37 menunjukkan bahwa:
1. Variabel yang dapat digunakan untuk mengklasifikasikan kelompok 1
dengan kelompok 2, 3 dan 4 adalah variabel TETA, NITA dan LNASSET yang secara statistik signifikan pada tingkat 5.
82
2. Variabel yang dapat digunakan untuk mengklasifikasikan kelompok 2
dengan kelompok 3 dan 4 adalah variabel TDTE yang secara statistik signifikan pada tingkat 10.
3. Variabel yang dapat digunakan untuk mengklasifikasikan kelompok 3
dengan kelompok 4 adalah variabel-variabel TETA, RETA, TDTE dan LNASSET yang secara statistik signifikan pada tingkat 5.
Tabel 4.38 Hasil Identifikasi Prediksi Klasifikasi
Classification
85 5
2 92,4
1 67
2 6
88,2 1
15 4
75,0 16
17 3
6 14,3
44,3 39,1
8,7 7,8
75,2 Observed
KELOMPOK 1 KELOMPOK 2
KELOMPOK 3 KELOMPOK 4
Overall Percentage KELOMPOK 1 KELOMPOK 2 KELOMPOK 3 KELOMPOK 4
Percent Correct
Predicted
Analisis lebih lanjut berkaitan dengan daya klasifikasi untuk kelompok 1, kelompok 2, kelompok 3 dan 4. Multinomial logit dengan
variabel rasio keuangan, LNASSET dan trend harga saham memiliki daya klasifikasi total sebesar 75,2.
D. Interpretasi