63
5.2. Hasil Regresi Logistik
5.2.1. Kartu Kredit
Sebelum melakukan estimasi persamaan sebaiknya terlebih dahulu dilakukan uji apakah antar variabel bebas mengandung multicolinaerity Gujarati,
1997 Pada Lampiran 2 dapat dilihat bahwa antar variabel bebas tidak
mengandung multicolinaerity. Hal ini dicirikan oleh tidak terdapat korelasi antar variabel yang lebih dari 0,8. Sebagai salah satu contoh, korelasi antar variabel
bebas X
1
jenis kelamin dan X
2
umur yaitu 0,309 lebih kecil dari 0,8 sehingga dapat dikatakan tidak ada multicolinaerity.
Pada model awal regresi logistik didapatkan bahwa nilai LR Statistic 11 df sebesar 23,4807
dengan nilai probabilitas LR Statistic adalah sebesar 0,0151 dapat
disimpulkan semua variabel mempunyai dampak positif pada nilai akhir, dan persamaan dapat memasukkan semua variabel bebas. Meskipun uji G
menunjukkan bahwa model persamaan baik, namun setelah dilakukan uji Wald, ternyata koefisien variabel X
1
, X
2
, X
4
, X
5
, X
6
, X
8
, X
10
, X
11
tidak signifikan secara statistik pada taraf nyata
α = 5 persen Tabel 5.2. Tabel 5.2. Alternatif Estimasi Regresi Logistik Kartu Kredit
Proba bilitas
Model Ke-1
Ke-2 Ke-3
Ke-4 Ke-5
Ke-6 Ke-7
Ke-8 Ke-9
X
1
0,614 0,614 0,624
0,611 0,602
0,522 0,515 0,563 X
2
0,741 0,739 0,749
0,736 0,762
X
3
0,047 0,047 0,047 0,046 0,037 0,031 0,031 0,028 0,029
X
4
0,901 0,896
X
5
0,803 0,815 0,792
0,797 X
6
0,818 0,803 0,774
0,759 0,673
0,683 X
7
0,171 0,167 0,161
0,161 0,074
0,071 0,022
0,015 0,015
X
8
0,923 X
9
0,003 0,002 0,002 0,002 0,002 0,002 0,001 0,001 0,001
X
10
0,881 0,894 0,895 X
11
0,698 0,694 0,681 0,665 0,601 0,652 0,640
Keterangan: Nyata pada taraf α = 5 persen
64
Tabel 5.3. Hasil Akhir Regresi Logistik Kartu Kredit
Variabel Koefisien
Probabilitas Rasio Odds
C -5,287 0,000
X3 Pendidikan 0,508
0,029 1,662
X7 Pengeluaran 0,421
0,015 1,523
X9 Teknologi 1,440
0,001 4,221
LR Statistic 3 df = 22,562 Probability LR Stat = 4,980
McFadden r-squared = 0,148 Log likelihood = -65,100
G = 2 {-65,100– [80
ln 80 + 40ln 40 –120ln 120] } = 22,56
Keterangan: Nyata pada taraf α = 5 persen
Variabel pendidikan memiliki koefisien positif 0,508 yang berarti jika pendidikan masyarakat meningkat sebesar satu unit maka tingkat penggunaan
kartu kredit akan naik sebesar 0,508 unit. Rasio odds sebesar 1,662 menunjukkan bahwa masyarakat yang berpendidikan lebih tinggi akan mempunyai
kecenderungan peluang 1,662 kali untuk menggunakan kartu kredit dibandingkan masyarakat yang berpendidikan lebih rendah. Artinya semakin tinggi tingkat
pendidikan masyarakat tersebut maka semakin besar kemungkinan penggunaan kartu kredit. Hal ini juga tejadi di negara US dimana pendidikan berpengaruh
terhadap keinginan masyarakat untuk mengadopsi teknologi baru alat pembayaran elektronik dalam hal ini kartu kredit, dimana masyarakat yang
tingkat pendidikannya lebih tinggi akan lebih mampu dan bersedia untuk menggunakan alat pembayaran elektronik bila dibandingkan dengan masyarakat
yang tingkat pendidikannya lebih rendah Kim et. al., 2005. Untuk variabel pengeluaran koefisiennya positif 0,421 yang artinya jika
pengeluaran masyarakat meningkat sebesar satu unit, maka tingkat penggunaan kartu kredit akan naik sebesar 0,421 unit. Rasio odds sebesar 1,523 artinya bahwa
masyarakat yang pengeluarannya lebih besar akan mempunyai kecenderungan peluang 1,523 kali untuk menggunakan kartu kredit dibandingkan masyarakat
65
yang pengeluarannya lebih kecil. Berarti semakin tinggi tingkat pengeluaran masyarakat tersebut, maka akan semakin besar pula tingkat penggunaan kartu
kredit. Pengeluaran yang lebih besar akan cenderung memicu penggunaan alat pembayaran lebih sering, untuk memenuhi kebutuhan pengeluaran tersebut,
disamping sifat kartu kredit juga yang dapat dicicil pembayarannya. Jadi tidak diragukan lagi masyarakat yang tingkat pengeluarannya lebih tinggi akan
mempunyai kecenderungan lebih besar untuk menggunakan kartu kredit dibanding masyarakat yang tingkat pegeluarannya lebih rendah. Hal ini juga
terjadi di Belgia Ellen et. al., 2005. Pada variabel teknologi koefisien bertanda positif 1,440
yang berarti jika
teknologi meningkat satu unit maka penggunaan kartu kredit juga akan meningkat sebesar 1,440 unit. Rasio odds sebesar 4,221 menunjukkan bahwa masyarakat
yang mengenal teknologi akan mempunyai kacenderungan peluang 4,221 kali untuk menggunakan kartu kredit dibandingkan masyarakat yang tidak mengenal
teknologi. Kenyataan yang terjadi di Indonesia ini, yang juga terjadi di Belgia, dimana teknologi mempunyai hubungan yang positif dengan penggunaan kartu
kredit, semakin sering seseorang menggunakan teknologi, maka akan berpengaruh pada tingginya kecenderungan untuk memiliki dan menggunakan kartu kredit. Hal
ini terjadi karena masyarakat yang bisa mengenal teknologi akan lebih mudah untuk menerima suatu teknologi yang baru, dalam hal ini kartu kredit sebagai alat
pembayaran yang baru Ellen et. al., 2005. Pada model ke-9 didapatkan nilai LR statistic 3 df sebesar 22,562
dengan nilai probabilitas LR stat sebesar 4,980 artinya secara keseluruhan semua
66
variabel bebas pada model ke-9 X
3
, X
7
, X
9
mempunyai dampak positif pada hasil akhir.
5.2.2. Kartu Debet
Kategori