Analisis Deskriptif Model Regresi Logistik Pengujian Regresi Logistik

Proporsi Komisaris Keberadaan Komisaris Independen dimaksudkan untuk menciptakan iklim yang lebih objektif dan independen, dan juga untuk menjaga “fairness” serta mampu memberikan keseimbangan antara kepentingan pemegang saham mayoritas dan pelindungan terhadap kepentingan pemegang saham minoritas, bahkan kepentingan para stakeholders lainnya Komisaris Dewan Total Independen Komisaris Jumlah Rasio Ukuran Perusahaan Tingkat besar kecilnya perusahaan yang diukur dengan jumlah harta yang dimilikinya LnTotal Asset Rasio Leverage Rasio yang menunjukkan seberapa jauh perusahaan menggunakan hutang dalam memenuhi aktivanya Aktiva Total Utang Total LEV = Rasio Ukuran KAP Ukuran KAP diukur berdasarkan adanya afiliasi dengan The Big Four Big Four = 1 Non Big Four = 0 Nominal Sumber: Dari Berbagai Sumber, 2015

3.6. Teknik Analisis Data

3.6.1. Analisis Deskriptif

Statistik deskriptif digunakan untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, nilai maksimum, nilai minimum, sum, range, Ghozali, 2001. Universitas Sumatera Utara

3.6.2. Model Regresi Logistik

Ghozali 2001 berpendapat analisis regresi adalah studi mengenai ketergantungan variabel dependen terikat dengan satu atau lebih variabel independen bebas, dengan tujuan untuk mengestimasi dan memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Dalam penelitian ini menggunakan regresi logistik logistic regression, sebenarnya sama dengan analisis regresi berganda, hanya variabel terikatnya merupakan variabel dummy 0 dan 1. Regresi logistik tidak memerlukan asumsi normalitas, meskipun screening data outliers tetap dapat dilakukan. Persamaan Regresi Logistik dalam penelitian ini adalah: Logit RMC = a + β 1 PK+ β 2 UP + β 3 Lev + β 4 UKA + ɛ Keterangan: Logit RMC : Pembentukan RMC, menggunakan variabel Dummy β 1 : Koefisien variabel Proporsi Komisaris β 2 : Koefisien variabel Ukuran Perusahaan β 3 : Koefisien variabel Leverage β 4 : Koefisien variabel Ukuran Kantor Auditor PK : Proporsi Komisaris Universitas Sumatera Utara UP : Ukuran Perusahaan Lev : Leverage UKA : Ukuran Kantor Auditor e : error

3.6.3. Pengujian Regresi Logistik

Regresi logistik merupakan model regresi yang sudah mengalami modifikasi dari regresi berganda. Penentuan signifikansi pada model regresi logistic terdapat kondisi yang perlu diperhatikan dari model output. Kondisi- kondisi tersebut antara lain sebagai berikut: 1. Uji Kelayakan Model Goodness of Fit Test Hosmer and Lemeshow ‘s Goodness of Fit Test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit. Jika nilai Hosmer and Lemeshow test statistic sama dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga pengujian ini tidak baik karena tidak dapat memprediksi nilai observasinya. Jika nilai Hosmer and Lemeshow test lebih besar dari 0,05, maka hipotesis nol diterima yng berarti model mampu memprediksi nilai observasinya atau model dapat diterima. 2. Uji Kelayakan Keseluruhan Model Overall Fit Model Test Pengujian kelayakan keseluruhan model dengan menggunakan Universitas Sumatera Utara tes statistic chi-square yang digunakan berdasarkan pada fungsi likelihood. Likelihood L dari model dalah probabilitas bahwa model yang dihipotesakan menggambarkan data input. L ditranformasikan menjadi - 2LogL untuk menguji hipotesis nol dan alternatif. Pengujian ini dilakukan dengan membandingkan nilai antara -2 Log Likelihood -2LL pada awal Block Number = 0 dengan nilai -2 Log Likelihood -2LL pada akhir Block Number = 1. Adanya pengurangan nilai antara -2LL awal initial - 2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir. 3. Koefisien Determinasi Cox dan Snell’s R Square merupakan ukuan yang mencoba meniru ukuran R 2 pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 sehingga sulit diinterpretasikan. Nagelkerke’s R Square merupakan modifikasi dari koefisien Cox and Snell’s R Square untuk memastikan bahwa nilainya bervariasi dai 0 nol sampai 1 satu. Hal ini dilakukan dengan cara mambagi nilai Cox and Snell’s R 2 dengan nilai maksimumnya. Universitas Sumatera Utara

BAB IV HASIL DAN PEMBAHASAN

4.1. Gambaran Umum 4.1.1. Deskripsi Data Penelitian

1. Risk Management Committee

Data yang diperoleh sehubungan dengan data Risk Management Committee pada perusahaan perbankan adalah seperti pada tabel berikut ini: Tabel 4.1 Risk Management Committee No Emiten RMC 2011 2012 2013 1 AGRO 1 1 1 2 BABP 1 1 1 3 BACA 1 1 1 4 BAEK 1 1 1 5 BBCA 1 1 1 6 BBKP 1 1 1 7 BBNI 1 1 1 8 BBNP 9 BBRI 1 1 1 10 BCIC 1 1 1 11 BDMN 1 1 1 12 BEKS 1 1 13 BJBR 1 1 1 14 BKSW 1 1 1 15 BMRI 16 BNGA 1 1 1 17 BNII 1 18 BSIM 1 19 BSWD 20 BTPN 21 BVIC 1 1 1 22 INPC 1 1 23 MAYA 1 1 1 Universitas Sumatera Utara