32
peringkat obligasi adalah tanggal 16 Mei 2009, maka laporan keuangan yang dianalisa adalah laporan keuangan pada periode tahun 2008.
3.4 Metoda Analisis Data
3.4.1 Statistik Deskriptif
Statistik deskriptif menerangkan karakteristik data berupa data responden dan data variabel, yang bertujuan memberikan penjelasan informasi mengenai
karakteristik dari suatu kelompok data atau lebih. Dengan melakukan analisis statistik deskriptif dapat memudahkan peneliti dalam memahami ciri-ciri yang unik atau
khusus dari kelompok data yang ada. Karakteristik data variabel meliputi jumlah sampel, nilai minimal, nilai maksimal, rata-rata mean dan standar deviasi.
3.4.2 Uji Hipotesis
Pengujian yang dilakukan pada hipotesis 1 sampai dengan 7 adalah uji pengaruh dengan menggunakan regresi logistik. Regresi logistik logistic regression
digunakan apabila variabel dependen dalam hubungan sebab akibat yang sedang diuji merupakan variabel dummy. Variabel dummy adalah variabel yang berskala nominal
dengan 2 kategori yang diwakili dengan angka 0 dan 1. Dimana angka 1 satu mewakili kategori positif dan 0 nol yang mewakili kategori negatif. Menurut
Ghozali 2006 analisis dengan regresi logistik tidak perlu asumsi normalitas data pada variabel bebasnya. Variabel dalam penelitian ini yang merupakan kategori
33
positif adalah peringkat obligasi yang termasuk dalam investment grade dan kategori negatifnya adalah non investment grade.
Model regresi menurut Santoso 2005 adalah sebagai berikut: Y = b0 + b1LEV + b2LIQ + b3SOL + b4PROF + b5PROD + b6ICR + e
Keterangan: Y
= Peringkat Obligasi b0 = konstanta atau intercept
b1LEV = Rasio Hutang b2LIQ = Rasio Likuiditas
b3SOL = Rasio Solvabilitas b4PROF = Rasio Profitabilitas
b5PROD = Rasio Produktifitas b6ICR = Kecukupan Bunga
e = error
Pengujian pengaruh variabel independen terhadap variabel dependen dengan menggunakan regresi logistik melalui pengujian hipotesis berikut ini:
1. -2 log likelihood Nilai -2 log likelihood menurun nilainya bila dibandingkan antara iterasi pada
blok 0 dengan iterasi blok 1, penurunan nilai yang ada menunjukkan adanya indikasi bahwa model baik. Menurut Santoso 2005, penurunan likelihood
34
pada regresi binary mirip dengan pengertian ‘sum of squared error’ pada
model regresi, menunjukkan model regresi yang lebih baik. 2.
Nagelkerke R
2
Uji nagelkerke R
2
digunakan untuk mengetahui besarnya variasi dari variabel dependen yang dapat dijelaskan oleh variasi variabel independen, sisanya
yang tidak dapat dijelaskan, merupakan bagian variasi dari variabel yang lain yang tidak termasuk di dalam model. Menurut Ghozali 2006, nilai
nagelkerke ’s R
2
dapat diinterpretasikan seperti nilai R2 pada multiple regression
. 3.
Hosmer and Lameshow Nilai Hosmer and Lameshow test digunakan untuk mengetahui apakah model
fit dengan data observasi penelitian. Pengujian ini dilakukan dengan melihat nilai signifikasi pada tabel Hosmer and Lameshow yang ada. Menurut Ghozali
2006, jika nilai sig. lebih besar dari 0,05 maka hal ini berarti model regresi binary
layak dipakai untuk analisa selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
4. Tingkat ketepatan prediksi model Pada pengujian ini akan diperoleh hasil secara statistik berupa jumlah sampel
yang diprediksi sebagai kedua kategori dan berapa jumlah yang actual sehingga dapat membandingkan keduanya. Menurut Ghozali 2006, tabel
klasifikasi menghitung nilai estimasi yang benar correct dan salah