60 jurnal-jurnal ekonomi, website BI, website BEI, www.wikipedi.co.id dan situs
berita seperti : www.kompas.com
, www.tempo.com
dan majalah investor. Proses pengumpulan data dalam penelitian ini menggunakan beberapa
teknik sebagai berikut :
1. Study Kepustakaan Library Research
Pengumpulan bahan-bahan berupa teori atau konsep yang diambil dari internet, perpustakaan berupa literatur, koran, dan artikel jurnal
ilmiah yang dapat mendukung sebagai bahan kajian penelitian dan juga sebagai landasan untuk menganalisa permasalahan.
2. Study Lapangan Field Research
Data primer berupa pengamatan dan pengambilan data langsung di Pusat Referensi Pasar Modal PRPM atau melakukan direct
Observatin di Bursa Efek Indonesia BEI dan dari lembaga atau
instansi terkait. Data yang diambil berupa laporan keuangan tahunan dan rating obligasi tahun 2001-2007 yang diperoleh dari PEFINDO.
3.5 Metode Analisis 3.5.1 Uji Normalitas Data One Sample Kolmogorov – Smirnov
Analisis awal pada penelitian ini sebelum melakukan pengujian hipotesis 1 adalah analisis normalitas data, dalam analisis ini digunakan uji One Sample
Kolmogorov – Smirnov dengan tingkat signifikasi yang digunakan = 0,05, jika
P-value 0,05 maka data terdistribusi normal atau H diterima. Dan jika P-value
61 0,05 maka H
ditolak atau data tidak terdistribusi normal. Singgih Santoso 2005 : 408.
Hipotesis dalam uji One Sample Kolmogorov – Smirnov adalah Imam Ghazali, 2005 : 30 :
H : Data terdistribusi normal
H
1
: Data tidak terdistribusi dengan normal Uji ini dilakukan dengan tujuan untuk mengetahui jenis alat analisis apa
yang digunakan untuk melakukan uji beda statistik parametrik atau non parametrik. Jika data tidak terdistribusi normal maka dilakukan uji beda non
parametrik dengan menggunakan Mann – Whitney U sebaliknya, jika data terdistribusi normal digunakan Independent T –Test Ghazali dan Castellan ,
2002 Rumus uji statistik One Sample Kolmogorov – Smirnov adalah Ahmad
Rodoni, 2005 : 43 :
D = Maximum [F X – SnX]
Dimana : F
x : Frekuensi kumulatif dari distribusi teoritis frekuansi kumulatif yang diharapkan.
Sn x : Frekuensi kumulatifdari distribusi observasi
3.5.2 Uji beda parametrik Independent Sample T –Test
uji beda Independent Sample T –Test digunakan untuk menentukan apakah dua sample yang tidak berhubungan memiliki nilai rata-rata yang berbeda dengan
62 asumsi data yang berdistribusi normal pada statistik parametrik. Uji beda ini
dilakukan dengan cara membandingkan perbedaan antara dua nilai rata-rata dengan standar error dari perbedaan rata-rata dua sample Imam Ghazali,
2005:56.
. .
2 1
E S
t µ
µ − =
Dimana :
µ
1 : Rata – rata sample pertama
µ
2 : Rata – rata sample kedua
SE : Standar error perbedaan rata-rata kedua sample.
Ada dua tahapan analisis dalam uji beda Independent Sample T –Test, yaitu :
a. Dengan Levene Test diuji apakah kedua populasi sample sama atau berbeda.
b. Dengan T-test, denganberdasarkan hasil Levene Test diambil suatu keputusan,
Jika hasil Levene Test menunjukan bahwa varian kedua populasi sama maka analisis harus menggunakan asumsi equal variance dengan melihat t-hitung
dibandingkan dengan t-tabel. Jika t-hitung t-tabel maka H ditolak dan
menerima H
1,
jika t-hitung t-tabel maka H tidak dapat ditolak terima H
Imam Ghazali, 2002 : 26.
63 Hipotesis dalam uji Independent Sample T –Test ini adalah :
H : Tidak terdapat perbedaan yang signifikan pada rasio keuangan STA dan
QATA. H
1
: Rasio keuangan secara signifikan mampu membedakan perilaku perusahaan yang masuk kelompok default dan non default.
Dasar pengambilan keputusan : Jika Probabilitas 0,05 maka H
tidak dapat ditolak. Jika Probabilitas 0,005 maka H
ditolak dan menerima H
1.
3.5.3 Uji Mann – Whitney U
Pada metode statistik parametrik uji perbedaan dua sample tidak berhubungan dilakukan dengan uji Independent Sample T-test. Hanya saja uji ini
mensyaratkan data bertipe interval atau rasio serta data mengikuti distribusi normal Singgih Santoso, 2006 : 43. Jika salah satu ayarat tidak terpenuhi, yaitu :
1. Data bertipe nominal atau Ordinal. 2. data bertipe interval atau rasio namun tidak berdistribusi normal.
maka digunakan uji statistic non parametric yang khusus untuk dua sample bebas yaitu uji Mann-Whitney. Nilai Z pada uji Mann-Whitney dapat dicari
dengan rumus Ghazali Castellan, 2002 : 115 :
2 1
2 1
5 .
+ +
± =
N mn
N m
Wx Z
dimana : Wx
: Wilcoxon m
: Kelompok Emiten obligasi yang mengalami default
64 n
: Kelompok Emiten obligasi non default N
: jumlah populasi dua kelompok Emiten obligasi Hipotesis yang digunakan dalam pengujian ini adalah :
H : Tidak terdapat perbedaan yang signifikan pada rasio keuangan CACL,
CAS, CATA, CCL, CTA, CS, CLTE, LTDTE, TLTE, TLTA, OITA, NIS, NITA, QAS, CFTA, dan CFTL antara rasio keuangan emiten obligasi
yang mengalami default dan non default. H
1
: Terdapat perbedaan yang signifikan pada rasio keuangan CACL, CAS, CATA, CCL, CTA, CS, CLTE, LTDTE, TLTE, TLTA, OITA, NIS,
NITA, QAS, CFTA, dan CFTL antara rasio keuangan emiten obligasi yang mengalami default dan non default.
Dasar pengambilan keputusan : Jika Asymp.sig 2-Tailed 0,05 maka H
tidak dapat ditolak Jika Asymp.sig 2-Tailed 0,05 maka H
ditolak dan menerima H
1.
3.5.4 Analisis Regresi logistik binary 3.5.4.1 Definisi regresi logistik
Regresi logstik adalah bentuk khusus dimana variable dependennya terbagi menjadi dua bagian kelompok biner. Walaupun formulanya dapat saja
melebihi dua kelompok. Secara umum penginterpretasian regresi logistic sangant mirip dengan regresi linear Hair dkk,1998 dalam Liza Angelina 2004 :464.
Regresi logistik adalah regresi yang digunakan untuk mencari persamaan regresi jka variable dependennya merupakan variable yang berbentuk skala
65 ordinal Santosa Ashasri, 2005 :184. Regresi binary logistic digunakan untuk
melakukan pemodelan suatu kemjungkinan kejadian dengan variable dependen respon bertipe kategorial dua pilihan Cornelius Trihendradi, 2007 : 63. Nilai
kemungkinan kejadian berada pada rentang 0 – 1. hal ini sangat berbeda dengan regresi linear biasa dimana nilai variable Variabel respon bias bbernilai 0 atau
1. Regresi logistic adalah regresi yang digunakan untuk menemukan
persamaan regresi dimana variable dependennya variable respon bertipe kategorial dua pilihan seperti : ya atau tidak, atau lebih dari dua pilihan seperti :
tidak setuju, setuju, sangat setuju. Regresi logistic binary adalah regresi logistic dimana variable
dependennya berupa variable dikotomi dua kelompok atau variable biner. Variable biner adalah data jenis nominal data yang memiliki kategori grup
bersifat mutually exclusive artinya bersifat eksklusif yang satu dan yang lain Asnawi wijaya, 2006 :10 terdiri dari dua criteria seperti ya atau tidak,
sedangkan regresi linear variable dependennya bisa bernilai 0 atau 1.
3.5.4.2. Nilai odds ratio
Hubungan antara probabilitas variabel terikat Y dan variabel bebas X dalam analisis regresi logistic adalah non linear, sedangkan hubungan antara log
dari odss probabilita kadang-kadang dinyatakan dalam bentuk odss atau log of odss
dan variabel bebas X adalah linear. Imam Ghazali, 2005 :214. Bentuk dari odss ratio mempunyai interpretasi untuk
1
yaitu odss ratio bertambah besar dengan kelipatan exp
1
untuk setiap pertambahan satu unit X
1
66 Stanislaus, 2006:227 kita dapat merubah Odss menjadi probabilita atau
sebaliknya, perhitungan nilai odss dengan log natural. Secara umum hubungan probabilita dan odss diganbarkan sebagai berikut Cornelius Trihendardi,
2007:64:
i i
i
odds odds
odds i
e e
e
−
+ =
+ =
1 1
1 π
atau −
=
i i
i
n odds
π π
1 1
Dimana :
i
= kemungkinan probabilita kejadian pada case i odss
i
= Nilai kecenderungan suatu kejadian pada case i nilai odss diasumsikan berhubungan linear dengan variabel
prediktor variabel independen :
odss
i
= b + b
1
X
i1
+ b
2
X
i2
+ ... + b
p
X
ip
X
ij
= Variabel prediktor j dengan case i b
j
= Koefisien variabel prediktor j p
= Jumlah variabel prediktor jadi probabilita adalah :
...
2 2
1 1
1 1
ip p
i i
x b
x b
x b
b i
e
+ +
+ +
−
+ =
π Analisis regresi logistik digunakan untuk melihat pengaruh sejumlah variabel
independen X
1
, X
2
,.......X
k
terhadap variabel dependen Y yang berupa variabel kategorik atau juga untuk memprediksi nilai suatu variabel dependen Y yang
berupa variabel kategorik berdasarkan nilai variabel independen X
1
, X
2
,.......X
k
Stanislaus, 2006:225.
67 Bentuk regresi logistik binary pada penelitian ini adalah :
Dimana : = Konstanta
1-k
= Koefisien D Default = Probabilita bahwa factor covariat ke-D punya respon = 1
Default dari response regresi logistik biner yang mempunyai nilai 1 Default dan 0 1-D = Non Default
X
1-k
= Variabel prediktor
3.5.4.3 Nilai -2loglikehood ratio
Persamaan yang baik dalam regresi logistik adalah persamaan yang tingkat kemiripan antara hasil dugaan dengan nilai pengamatan sangat tinggi, dan ini akan
menghasilkan nilai -2loglikelihood yang rendah. Kalau persamaan yang diperoleh cocok, maka nilai kemiripannya 1 dan nilai -2loglikelihood adalah 0. penilaian
keseluruhan model regresi logistik menggunakan nilai -2loglikelihood dimana jika terjadi penurunan dalam -2loglikelihood pada blok kedua jka dibandingkan
dengan blok pertama maka dapat disimpulkan bahwa model kedua regresi menjadi lebih baik. Santosa dan Ashari, 2005:191.
3.5.4.4 Uji Chi Square Hosmer dan Lemeshow
Untuk menilai kelayakan model regresi dalam memprediksi digunakan Uji Chi Square Hosmer dan Lemeshow.
Uji ini mengukur perbedaan antara nilai hasil observasi dan nilai prediksi variabel dependen. Semakin kecil perbedaan diantara
k 2
1
D 1
D n
1 it
..... -
log +
+ +
= =
68 keduanya maka model yang dipilih semakin baik. Pengujian ini digunakan untuk
menguji hipotesis : H
: Tidak terdapat perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yang diamati
H
1
: Terdapat perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
Dilihat dari atas jika nilai sig 0,05 berarti keputusan yang diambil adalah menerima H
yang berarti tidak ada perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Artinya model regresi logistik bisa
digunakan untuk analisis selanjutnya. Santosa dan Ashari, 2005:190.
3.5.4.5. Koefisien Cox and Snell R Square dan Negelkarke R Square
Koefeisien Cox and Snell R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada regresi linear berganda yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 sehingga sulit
diinterpretasikan. Negelkerke R Square merupakan modifikasi dari koefisien Cox and Snell R
2
untuk memastikan bahwa nilainya bervariasi dari 0-1. hal ini dilakukan dengan cara membagi nilai koefisien Cox dan Snell R
2
dengan nilai maksimumnya. Nilai koefisien Cox dan Snell R
2
diinterpretasilan seperti nilai koefisien R² pada regresi linear berganda Imam Ghozali, 2005 ; 219.
Nilai koefisien Nagelkerke R Square umumnya lebih besar dari nilai koefisien Cox Snell R Square tapi cenderung lebih kecil dibandingkan dengan
nilai koefisien determinasi R² pada regresi linear berganda . Stanislaus, 2006 : 236.
69
3.5.4.6 Ketepatan Prediksi Klasifikasi
Tabel klasifikasi 2 X 2 Classification Table yang terdapat pada hasil SPSS pada model regresi logistic digunakan untuk menghitung nilai estimasi yang
benar correct dan yang salah incorrect. Pada kolom merupakan 2 nilai prediksi dari variabel dependen yaitu, Default 1 dan Non Default 0, sedangkan pada
baris menunjukkan nilai observasi sesungguhnya yang sesuai dengan data aktual. Pada model yang sempurna, maka semua kasus akan berada pada diagonal denagn
tingkat ketetapan peramalan 100 Imam Ghozali, 2005 : 220. Jika model logistik mempunyai asumsi homoskedastisitas maka semua kasus akan berada di
daerah diagonal dengan ketetapan nilai 100 tetapi model logistic tidak mempunyai asumsi homoskedstisitas Stanislaus, 2006 : 234.
3.4.5.7.Uji Wald Statistics
Uji wald pada tabel variables in the equation digunakan untuk menguji apakah masins-masing koefisien regresi logistik signifikan. Uji wald sama dengan
kuadrat dari rasio koefisien regresi logistic B dan standard error S.E dengan tingkat signifikasi 0.005 Stanislius, 2006 : 236 :
2
. =
E S
B Wald
70
3.6 Deskripsi Operasional Variabel 3.6.1. Variabel Independen