61
Tabel 4.3 Statistik Frequensi
HEDGING
Frequency Percent
Valid Percent Cumulative
Percent Valid
,0 192
76,2 76,2
76,2 1,0
60 23,8
23,8 100,0
Total 252
100,0 100,0
Sumber : Output SPSS, 2016 data diolah
Berdasarkan tabel 4.3 dapat dideskripsikan bahwa variabel dependen, yaitu keputusan melakukan hedging yang merupakan variabel dummy, dimana sampel
yang mekukan hedging diberi kode “1” sedangkan sampel yang tidak melakukan
hedging diberi kode “0”. Variabel ini memiliki nilai valid karena semua data
dapat diproses. Jumlah sampel yang melakukan hedging sebanyak 60 sampel atau 23,8 dari total sedangkan sampel perusahaan yang tidak melukan hedging
sebanyak 192 sampel atau 76,2 dari total keseluruhan.
4.3 Pengujian Model 4.3.1 Menilai Model Fit dan Keseluruhan Model
Uji ini digunakan untuk menilai model yang telah dihipotesakan telah fit atau tidak dengan data. Pengujian dilakukan dengan hipotesis :
Ho : Model yang dihipotesiskan fit dengan data Ha : Model yang dihipotesiskan tidak fit dengan data
Pengujian dilakukan dengan membandingkan nilai antara -2 Log likelihood pada awal block number=0 dengan nilai -2 Log likelihood pada akhir block
number = 1. Nilai -2 Log Likelihood awal pada block number =0 ditunjukkan melalui tabel berikut :
Universitas Sumatera Utara
62
Tabel 4.4 Likelihood Block 0
Sumber : Output SPSS, 2016 data diolah
Nilai -2 Log Likelihood akhir pada block number = 1, dapt ditunjukkan melalui tabel berikut :
Tabel 4.5 Likelihood Block 1
Iteration History
a,b,c,d
Iteration -2 Log likelihood
Coefficients Constant
DER CR
MTBV FS
MO
Step 1 1
224,514 -14,650
,042 -,024
,034 ,473
,076 2
214,623 -21,522
,075 -,053
,041 ,701
,109 3
214,087 -23,413
,083 -,077
,043 ,765
,119 4
214,084 -23,545
,083 -,080
,044 ,770
,120 5
214,084 -23,546
,083 -,081
,044 ,770
,120 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 276,633
d. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Sumber : Output SPSS, 2016 data diolah
Tabel 4.3 menunjukkan bahwa -2 Log Likelihood awal pada block number =0, yaitu model hanya memasukkan konstanta yang dapat dilihat pada step 4
memperoleh nilai sebesar 273,633. Kemudian pada tabel 4.4 dapat dilihat bahwa
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
277,255 -1,048
2 276,633
-1,160 3
276,633 -1,163
4 276,633
-1,163 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 276,633 c. Estimation terminated at iteration number 4 because
parameter estimates changed by less than ,001.
Universitas Sumatera Utara
63
setelah masuknya variabel independen pada model nilai -2 Log Likelihood akhir pada step 5 menunjukan nilai 214,084.
Selisih antara nilai -2 Log Likelihood awal dengan nilai -2Log likelihood akhir adalah sebesar 59,549 273,633-214,084. Adanya penurunan Likelihood ini
menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
4.3.2 Menilai kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan Hosmer and Lameshow’s Goodness of Fit Test yang diukur dengan nilai Chi-
Square. Probabilitas signifikansi yang diperoleh kemudian dibandingkan dengan tingkat signifikansi α 5.
Hipotesis untuk menilai kelayakan model regresi adalah : Ho : tidak ada perbedaan antara model dengan data
Ha : ada perbedaan antara model dengan data
Tabel 4.6
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 5,806
8 ,669
Sumber : Output SPSS, 2016 data diolah
Tabel 4.6 menunjukkan hasil pengujian Hosmer dan lemeshow. Hasil pengujian statistik menunjukkan probabilitas signifikansi sebesar 0,669. Nilai
signifikansi yang diperoleh lebih besar dari α tingkat signifikansi 0,05. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena
tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan
Universitas Sumatera Utara
64
klasifikasi yang diamati, atau dapat dikatakan model mampu memprediksi nilai observasinya.
4.3.3 Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu menjelaskan variabilitas variabel
dependen.koefisien determinasi pada regresi logistik dapat dilihat pada Nagelker R Square. Nilai Nagelker R square dapat diinterpretasikan seperti nilai R Square
pada regresi berganda Ghozali,2006.
Tabel 4.7 Nagelker R square
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 214,084
a
,220 ,330
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Sumber : Output SPSS, 2016 data diolah
Tabel 4.7 menunjukkan nilai Nagelker R Square. Dilihat dari hasil output pengolahan data, nilai Nagelker R Square adalah sebesar 0,330 yang berarti
variabilitas variabel independen adalah sebesar 33, sisanya sebesar 67 100- 33 dijelaskan oleh variabilitas variabel-variabel lain diluar model penelitian.
4.4 Tabel Klasifikasi
