Anda di halaman 1dari 7

Contoh Kasus Analisis Regresi Logistik biner:

Dilakukan simulasi untuk melihat pengaruh antara variabel profitabilitas, kompleksitas


perusahaan, opini auditor, likuiditas dan ukuran perusahaan terhadap ketepatan penyampaian
laporan keuangan tahunan perusahaan. Profitabilitas diukur dengan ROA; variabel
kompleksitas terdiri atas 2 kategorik yaitu diberi angka 2 jika mempunyai anak perusahaan
dan 1 jika perusahaan tidak mempunyai anak perusahaan; opini auditor diukur dengan 2 jika
mendapatkan opini wajar tanpa pengecualian dan 1 untuk opini yang lain; likuiditas diukur
dengan Current Ratio; dan ukuran perusahaan diukur dengan logaritma natural market value.
Variabel terikatnya adalah ketepatan penyampaian laporan keuangan, dengan kode 1 untuk
perusahaan yang tepat waktu dan 0 untuk perusahaan yang terlambat.

Data yang digunakan dalam penelitian ini tidak ditampilkan mungkin kalau teman ingin
mencoba juga bisa didownload dibagian bawah nanti ya. dalam tutorial ini menggunakan
SPSS 20.Langsung saja ya dengan langkah-langkahnya.

1. Langkah-langkah dalam pengujian data:


1.Pada posisi file telah terbuka, maka akan terlihat pada layar data tentang ketepatan
penyampaian laporan keuangan perusahaan dengan sejumlah variabel-variabelnya. Untuk
menganalisis, langkah awalnya adalah pilih menu Analyze, kemudian pilih Regression dan
Binary Logistic.
2.Akan muncul box dialoge seperti di bawah ini.

Masukan variabel yang berfungsi sebagai variabel tak bebas dari box variabel ke kolom
dependent, dan masukan semua varibel bebas pada kotak Covariate. Untuk Method, pilih
Enter. Sebenarnya bisa dipilih metode apa saja karena model yang terbentuk akan sama
(dalam artian penduga-penduga parameternya akan memiliki nilai-nilai yang sama). Akan
tetapi, khusus metode Enter, harus dilakukan proses dua kali. Pertama, data di run dengan
semua variabel untuk mengetahui variabel mana yang signifikan, setelah itu di run lagi
dengan menggunakan variabel yang signifikan itu. Model yang terbentuk akan sama dengan
model yang diperoleh dengan metode lain.

3.Klik Categorical, masukkan semua variabel bebas yang berbentuk kategori pada kotak
covariate ke dalam kotak categorical covariates, biarkan contras pada default indicator.
Untuk reference kategori pilih bagian kategori yang akan dipakai sebagai referensi atau
pembanding yang akan digunakan dalam interpretasi odds ratio. Dapat menggunakan
kategori akhir (last) atau kategori pertama (first). Dalam penelitian ini digunakan kategori
akhir (last).

4.Kemudian klik Continue. Setelah itu pilih menu option, centang iteration history untuk
dapat mengetahui proses iterasi yang telah berlangsung.

Selain itu, akan ditemukan "Classification cut off", yang pada kondisi default sudah diisi
dengan 0.5. Nilai ini disebut dengan the cut value atau prior probability, peluang suatu
observasi untuk masuk ke salah satu kelompok sebelum karakteristik variabel penjelasnya
diketahui. Jika kita tidak mempunyai informasi tambahan tentang data kita, maka kita bisa
menggunakan default. Misalnya pada penelitian ini, sebelumnya tidak pernah dilakukan
penelitian apakah ukuran perusahaan condong pada satu sisi. dengan alasan ini, dapat
digunakan classification cutoff sebesar 0,5. Namun, misalnya pada ada penelitian lain yang
telah meneliti maka bisa dinaikkan/diturunkan classification cutoff sesuai hasil penelitian.
Dalam penelitian ini semua variabel numerik dalam default 0,5. Abaikan bagain yang lain,
klik continue.
5.Abaikan bagian yang lain, dan tekan OK maka akan keluar output dari Regresi Logistik.

2. Analisis Data
Setelah keluar output dari hasil running data di SPSS maka diperoleh hasil analisis sebagai
berikut :

1.Identifikasi Data yang Hilang

Pada tabel di atas, dapat dilihat tidak ada data yang hilang (missing cases).

2.Pemberian kode variabel respon oleh SPSS


Menurut pengkodean SPSS, yang termasuk kategori sukses adalah penyampaian laporan
keuangan tahunan yang tepat.

3.Pemberian kode untuk variabel penjelas yang kategorik

Pengkodean variabel penjelas hanya dilakukan untuk variabel penjelas yang kategorik karena
akan dibentuk dummy variabel. Penelitian ini menggunakan dua variabel penjelas yang
kategorik yaitu variabel Opini dan variabel Kompleksitas. Untuk variabel opini, nantinya
yang akan digunakan sebagai reference code (kode pembanding) adalah Wajar Tanpa
Pengecualian (lihat pada tabel di atas bagian parameter codings yang berkode nol).
Sementara untuk variabel Kompleksitas, yang menjadi kode pembanding adalah Punya anak
perusahaan. Kode pembanding ini akan digunakan untuk interpretasi Odds Ratio.

4. Uji Signifikansi Model


Dari hasil SPSS dapat digunakan tabel Omnibus Tests of Model Coefficients untuk melihat
hasil pengujian secara simultan pengaruh variabel bebas ini.

Berdasarkan tabel di atas diperoleh nilai Sig.Model sebesar 0.000. Karena nilai ini lebih kecil
dari 5% maka kita menolak Ho pada tingkat signifikansi 5% sehingga disimpulkan bahwa
variabel bebas yang digunakan, secara bersama-sama berpengaruh terhadap ketepatan
penyampaian laporan keuangan suatu perusahaan. Atau minimal ada satu variabel bebas yang
berpengaruh.

5.Persentase Ketepatan Klasifikasi (Percentage Correct)


Persentase ketepatan model dalam mengkasifikasikan observasi adalah 78.6 persen. Artinya
dari 70 observasi, ada 55 observasi yang tepat pengklasifikasiannya oleh model regresi
logistik. Jumlah observasi yang tepat pengklasifikasiannya dapat dilihat pada diagonal utama.

6.Uji Parsial dan Pembentukan Model

Pada uji diharapkan Ho akan ditolak sehingga variabel yang sedang diuji masuk ke dalam
model. Dengan bantuan tabel Variables in The Equation dapat dilihat variabel mana saja
yang berpengaruh signifikan sehingga bisa dimasukkan ke model. Jika nilai sig.<a maka Ho
ditolak.

Berdasarkan hasil di atas diketahui bahwa terdapat 2 variabel bebas yang signifikan
berpengaruh terhadap ketepatan penyampaian laporan keuangan perusahaan karena masing-
masing variabel tersebut memiliki nilai signifikansi yang lebih kecil dari a=5%. Variabel-
variabel tersebut adalah Profitabilitas (Sig.=0.004)dan Likuiditas (Sig.=0.000). Model yang
terbentuk adalah :

Dimana :
X_1i = Profitabilitas
X_2i= Likuiditas
i=1,2,,n

7.Interpretasi Odds Ratio

Nilai Odds ratio ini juga disediakan oleh tabel Variables in The Equation pada kolom
Exp(B) :
Berdasarkan hasil di atas kita dapat menginterpretasikan Odds ratio sebagai berikut :

1. Jika jumlah profitabilitas perusahaan bertambah 1 unit maka kecendrungan perusahaan


tersebut untuk tepat waktu menyampaikan laporan keuangan menjadi 2.780 kali lipat.
2. Sebuah perusahaan yang tidak mempunyai anak perusahaan akan memiliki kecenderungan
untuk menyampaikan laporan keuangan secara tepat waktu sebesar 3.057 kali dibanding
perusahaan yang memiliki anak perusahaan (merujuk pada reference code).
3. Perusahaan dengan opini auditor adalah opini lain cenderung 0.848 kali (lebih rendah)
untuk tepat waktu dalam menyampaikan laporan keuangan dibanding dengan perusahaan
yang Wajar tanpa Pengecualian.
4. Jika Current ratio pada likuiditas bertambah 1 persen maka perusahaan akan cenderung
1.708 kali untuk tepat waktu menyampaikan laporan keuangannya.
5. Ketika ukuran perusahaan bertambah 1 unit maka perusahaan tersebut cenderung 1.123
kali untuk tepat waktu dalam menyampaikan laporan keuangannya.

Buat yang ingin mencoba silahkan download filenya dibawah ini:


tutorial reglog biner (SPSS 20)