ANALISIS REGRESI PROBIT UNTUK MENGUKUR KINERJA

KEUANGAN INDUSTRI ASURANSI JIWA

DI INDONESIA

TITA NAOVALITHA

DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI
SERTA PELIMPAHAN HAK CIPTA*

Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Regresi Probit
Untuk Mengukur Kinerja Keuangan Industri Asuransi Jiwa di Indonesia adalah
benar karya saya denganarahan dari komisi pembimbing dan belum diajukan
dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang
berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari
penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di
bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.

Bogor, Desember 2013

Tita Naovalitha
NIM G54090003
 ABSTRAK

TITA NAOVALITHA. Analisis Regresi Probit untuk Mengukur Kinerja

Keuangan Industri Asuransi Jiwa di Indonesia. Dibimbing oleh ENDAR H
NUGRAHANI dan HADI SUMARNO.

Kinerja keuangan dalam industri asuransi sangat diperlukan mengingat

industri asuransi merupakan industri jasa yang sangat dipengaruhi oleh
kepercayaan masyarakat terhadap perusahaan asuransi, semakin dipercaya sebuah
perusahaan asuransi dalam mengelola keuangan nasabah maka akan semakin
banyak masyarakat yang tertarik untuk membeli produk perusahaan asuransi
tersebut. Oleh karena itu diperlukan penilaian kinerja perusahaan. Tujuan dari
penelitian ini adalah kajian teoritis model regresi untuk peubah dependen biner,
menggunakan model tersebut untuk menentukan besarnya pengaruh peubah rasio
keuangan terhadap kinerja keuangan perusahaan asuransi jiwa di Indonesia, dan
memprediksi kinerja keuangan sebuah perusahaan asuransi jiwa di Indonesia
menggunakan peubah rasio keuangan tersebut. Data yang digunakan adalah data
laporan keuangan perusahaan asuransi jiwa di Indonesia tahun 2011. Penelitian ini
dilakukan dengan pengolahan data sekunder menggunakan analisis regresi probit.
Hasil uji Pearson menunjukkan analisis regresi probit lebih baik dari analisis
regresi logit. Hasil uji wald menunjukkan peubah yang dapat berpengaruh secara
signifikan adalah perubahan premi bruto dan beban (klaim, usaha, dan komisi).
Peluang untuk meningkatkan kinerja keuangan perusahaan asuransi jiwa di
Indonesia pada perubahan premi bruto dan beban (klaim, usaha, dan komisi)
sebesar 0.986 dan 0.867.

Kata kunci: Analisis regresi logit, Analisis regresi probit, kinerja keuangan,
perusahaan asuransi jiwa

ABSTRACT

TITA NAOVALITHA. The Analysis of Probit Regression on Financial

Performance of Life Insurance Industry in Indonesia. Supervised by ENDAR H
NUGRAHANI and HADI SUMARNO.

Financial performance of insurance industry is needed because the

insurance industry is heavily influenced by the public confidence to insurance
companies.The more credible an insurer's financial managingits customers is the
more people interested in purchasing the insurance company products. Therefore,
it is necessary to assess the performance of a company. The objectives of this
study are to study the theory of regression model for binary dependent variables,
and then using the model to determine the influence of financial ratio variables to
the financial performance of life insurance companies in Indonesia, and to predict
the financial performance of life insurance companies in Indonesia using
financial ratio variables. This study uses financial reports data of life insurance
companies in Indonesia for 2011.The result of this study is described as follows.
The Pearson test shows that probit regression better than logit regression. Wald
test shows the variables that may affect significantly is changing the gross
premium and the load (claim, business, and commission). The probability to
improve the financial performance of life insurance companies in Indonesia by
changing the gross premium and the load (claim, business, and commission) is
0.986 and 0.867.

Key words: Logit Regression Analysis, Probit Regression Analysis, Financial

Performance, life insurance company
ANALISIS REGRESI PROBIT UNTUK MENGUKUR KINERJA
KEUANGAN INDUSTRI ASURANSI JIWA
DI INDONESIA

TITA NAOVALITHA

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Matematika

DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Judul Skripsi : Analisis Regresi Probit untuk Mengukur Kinerja Keuangan Industri
Asuransi Jiwa di Indonesia
Nama : Tita Naovalitha
NIM : G54090003

Disetujui oleh

Dr Ir Endar H Nugrahani, MS Dr Ir Hadi Sumarno, MS

Pembimbing I Pembimbing II

Diketahui oleh

Dr Toni Bakhtiar, MSc

Ketua Departemen

Tanggal Lulus:
 PRAKATA

Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala karunia-
Nya sehingga penulis dapat menyelesaikan penelitian dan penulisan karya ilmiah
yang berjudul Analisis Regresi Probit Untuk Mengukur Kinerja Keuangan
Industri Asuransi Jiwa di Indonesia.
Terima kasih penulis ucapkan kepada Ibu Dr Ir Endar H Nugrahani, MS dan
Bapak Dr Ir Hadi Sumarno, MS selaku dosen pembimbing yang dengan sabar
memberikan arahan, bimbingan, dan motivasi dalam menyelesaikan tugas akhir
ini serta Prof Dr Ir I Wayan Mangku, MSc selaku dosen penguji yang telah
bersedia memberikan berbagai masukan dan perbaikan. Penulis mengucapkan
terima kasih kepada Bapak Drs Ali Kusnanto, MSi selaku dosen pembimbing
akademik yang senantiasa memberikan motivasi dan tuntunan selama studi di
Departemen Matematika IPB. Serta kepada seluruh dosen dan staf Departemen
Matematika yang telah membantu penulis selama kuliah sampai terselesaikannya
karya ilmiah ini.
Ungkapan terima kasih juga disampaikan kepada Mamah (alm), Papah,
kedua adik tersayang serta seluruh keluarga atas dukungan dan doa-doa yang
telah diberikan. Terima kasih saya ucapkan kepada teman-teman Matematika 46
& 47, Solik’ers Sainstek BEM FMIPA IPB 2012, PSDM BEM FMIPA IPB 2011,
Fundrising BEM TPB IPB 2010, dan teman-teman selorong di asrama A4 yang
telah memberikan dukungan dalam penyelesaian skripsi ini.Penulis menyadari
bahwa penulisan karya ilmiah ini masih banyak kekurangan, oleh karena itu
penulis mengharapkan kritik dan saran agar dapat lebih baik lagi dalam berkarya
di masa depan. Penulis sangat berharap karya ilmiah ini dapat memberikan
manfaatkepada pembaca.

Bogor, Desember 2013

Tita Naovalitha
 DAFTAR ISI

DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 1
Sistematika Penulisan 2
LANDASAN TEORI 2
Pengertian Asuransi 2
Pengertian Peubah Rasio Keuangan 3
Jenis Data Menurut Skala Pengukuran 5
Analisis Regresi Logistik 6
Analisis Regresi Probit 7
Pendugaan Parameter Model 8
Pengujian Statistik 9
METODOLOGI PENELITIAN 11
Peubah Model 11
Jenis dan Sumber Data 11
Metode Penelitian 12
HASIL DAN PEMBAHASAN 12
Eksplorasi Data 12
Model 15
Kelayakan Model 15
Pengujian Parameter Model Regresi Probit 16

SIMPULAN 20
DAFTAR PUSTAKA 20
LAMPIRAN 21
RIWAYAT HIDUP 22
 DAFTAR TABEL

1 Peubah-peubah yang digunakan pada model 11

2 Hasil analisis deskripsi data 13
3 Hasil pengujian kelayakan model regresi logistik 16
4 Hasil pengujian kelayakan model regresi probit 16
5 Hasil pengujian Maximum Likelihood (G) 17
6 Hasil pendugaan parameter dan uji signifikansi 18

DAFTAR GAMBAR
1 Scatterplot antara RBC dann Likuiditas 14
2 Scatterplot antara pendapatan premi netto dengan pendapatan
investasi netto 14

DAFTAR LAMPIRAN
1 Data rating perusahaan asuransi jiwa 21
22

PENDAHULUAN

Latar Belakang

Kinerja keuangan dalam industri asuransi sangat diperlukan mengingat

industri asuransi merupakan industri jasa yang sangat dipengaruhi oleh
kepercayaan masyarakat terhadap perusahaan asuransi, semakin dipercaya sebuah
perusahaan asuransi dalam mengelola keuangan nasabah maka akan semakin
banyak masyarakat yang tertarik untuk membeli produk perusahaan asuransi
tersebut. Proses transparansi yang menjadi bagian dari tata kelola perusahaan yang
baik (good corporate governance) adalah tujuan strategis dilakukan penilaian
kinerja keuangan perusahaan asuransi (InfoBank 2011).
Direktorat Asuransi Direktorat Jenderal Lembaga Keuangan Departemen
Keuangan selalu mengadakan pengawasan dan penilaian yang menggunakan
ukuran rasio-rasio terhadap laporan keuangannya setiap tahun yang kadang-
kadang dipublikasikan di media cetak, namun masih terdapat beberapa perusahaan
asuransi yang kinerjanya buruk sehingga harus dilikuidasi. Yang masih menjadi
pertanyaan apakah laporan keuangan publikasi berupa neraca dan rugi laba
tersebut dapat digunakan untuk memprediksi tingkat kesehatan perusahaan
asuransi jiwa. Penelitian ini dilakukan untuk mencoba menjawab pertanyaan
tersebut, menggunakan rasio-rasio keuangan serta indikator lainnya.
Perusahaan asuransi tidaklah berbeda halnya dengan bank dan lembaga-
lembaga keuangan lainnya. Sebagai usaha yang menghimpun dana dari
masyarakat, usaha asuransi harus dikelola secara profesional, baik dalam
pengelolaan risiko maupun dalam pengelolaan keuangan. Oleh karena itu
diperlukan penilaian kinerja perusahaan yang dapat memberikan gambaran
pengelolaan manajemen keuangan suatu perusahaan apakah telah berjalan sesuai
dengan tujuan perusahaan. Salah satu alat penilaian kinerja keuangan adalah
analisis rasio keuangan.
Rasio keuangan dapat digunakan untuk mempelajari karakteristik kinerja
keuangan dan operasional perusahaan asuransi, analisa perubahan peubah kategori
yang mempunyai ranking ini menggunakan analisis probit (Bouzouita 1991).
Dalam karya ilmiah ini, akan dibahas mengenai bisnis asuransi jiwa di Indonesia
sekaligus sebagai gambaran perusahaan-perusahaan yang bergerak pada industri
asuransi, khususnya perusahaan asuransi jiwa di Indonesia. Berdasarkan kondisi
tersebut diatas menarik minat penyusun untuk melakukan penelitian ini maka
penyusun menyusun skripsi dengan judul “Analisis Regresi Probit Untuk
Mengukur Kinerja Keuangan Industri Asuransi Jiwa di Indonesia”

Tujuan Penelitian

Adapun tujuan penulisan karya ilmiah ini adalah :

1 Kajian teoritis model regresi untuk variabel dependen biner
2 Menggunakan model tersebut untuk menentukan seberapa besar pengaruh
peubah rasio keuangan terhadap kinerja keuangan perusahaan asuransi jiwa di
Indonesia
2

3 Memprediksi kinerja keuangan sebuah perusahaan asuransi jiwa di Indonesia

menggunakan peubah rasio keuangan tersebut.

Sistematika Penulisan

Pada bab pertama dijelaskan latar belakang dan tujuan penulisan karya
ilmiah ini. Bab dua berisi landasan teori yang menjadi konsep dasar dalam
penyusunan pembahasan. Bab tiga menjelaskan metode penelitian yang digunakan
penulis. Penerapan analisis regresi probit dalam mengukur kinerja keuangan
perusahaan asuransi jiwa di Indonesia akan dibahas pada bab empat. Pada bab
lima akan dipaparkan simpulan serta saran dari karya ilmiah ini.

LANDASAN TEORI

Pengertian Asuransi

Definisi-definisi asuransi antara lain:

1 Definisi menurut Pasal 246 Kitab Undang-undang Hukum Dagang
(KUHD) Republik Indonesia 2003:
Asuransi atau pertanggungan adalah suatu perjanjian, dengan mana
seorang penanggung mengikatkan diri pada tertanggung dengan menerima
suatu premi, untuk memberikan penggantian kepadanya karena seuatu
kerugian, kerusakan atau kehilangan keuntungan yang diharapkan, yang
mungkin akan dideritanya karena suatu peristiwa yang tidak tertentu.
Berdasarkan definisi tersebut, maka dalam asuransi terkandung empat
unsur, yaitu:
a. Pihak tertanggung (insured) yang berjanji untuk membayar uang premi
kepada pihak penanggung, sekaligus atau secara berangsur-angsur.
b. Pihak penanggung (insurer) yang berjanji akan membayar sejumlah
uang (santunan) kepada pihak tertanggung, sekaligus atau secara
berangsur-angsur apabila terjadi sesuatu yang mengandung unsur tidak
tentu.
c. Suatu peristiwa (accident) yang tidak tertentu (tidak diketahui
sebelumnya).
d. Kepentingan (interest) yang mungkin akan mengalami kerugian karena
peristiwa yang tidak tertentu.
2 Definisi asuransi menurut Prof. Mehr dan Cammack:
Asuransi adalah alat sosial untuk mengurangi risiko, dengan
menggabungkan sejumlah yang memadai unit-unit yang terkena risiko,
sehingga kerugian-kerugian individual mereka secar kolektif dapat
diramalkan.Kemudian kerugian yang dapat diramalkan itu dapat dipikul
merata oleh mereka yang tergabung.
 3

3 Definisi asuransi menurut Willet:

Asuransi adalah alat untuk mengumpulkan data guna mengatasi kerugian
modal yang tidak tentu, yang dilakukan melalui pemindahan risiko dari
banyak individu kepada seseorang atau sekelompok orang.
4 Definisi asuransi menurutProf. Mark. R. Green:
Asuransi adalah suatu lembaga ekonomi yang bertujuan untuk mengurangi
risiko, dengan jalan mengkombinasikan dalam suatu pengelolaan sejumlah
objek yang cukup besar jumlahnya, sehingga kerugian tersebut secara
menyeluruh dapat diramalkan dalam batas-batas tertentu.
5 Definisi asuransi menurut William Jr. dan Heins, yang mendefinisikan
asuransi berdasarkan dua sudut pandang yaitu:
a. Asuransi adalah suatu pengamanan terhadap kerugian finansial
yang dilakukan oleh seorang penanggung.
b. Asuransi adalah suatu persetujuan dengan mana dua atau lebih
orang atau badan mengumpulkan dana untuk menaggulangi
kerugian finansial.
6 Definisi asuransi menurut Undang-Undang nomor 2 tahun 1992 tentang
usaha asuransi:
Asuransi atau pertanggungan adalah perjanjian antara dua pihak atau lebih,
dengan mana pihak penanggung mengikatkan diri dengan tertanggung,
dengan menerima premi asuransi, untuk memberikan penggantian kepada
tertanggung karena kerugian, kerusakan, atau kehilangan keuntungan yang
diharapkan, atau tanggung jawab hukum kepada pihak ketiga yang
mungkin akan diderita tertanggung yang timbul dari sesuatu yang
ditanggungkan. tertanggung dan penanggung mengikat sesuatu perjanjian
tentang hak dan kewajiban masing-masing.

Asuransi jiwa pada hakikatnya merupakan suatu bentuk kerjasama antara

orang-orang yang menghindarkan atau meminimalkan risiko yang diakibatkan
oleh risiko kematian (yang pasti terjadi tetapi tidak pasti kapan terjadinya), risiko
hari tua (yang pasti terjadi dan dapat diperkirakan kapan terjadinya,tetapi tidak
pasti berapa lama) dengan pihak perusahaan asuransi.Asuransi jiwa merupakan
jenis bidang usaha asuransi dimana didalam produk asuransi jiwa tersebut
perusahaan asuransi berjanji untuk membayar manfaat atas kematian orang yang
diasuransikan atau tertanggung.

Pengertian Peubah Rasio Keuangan

 Risk Based Capital (RBC)

RBC diperoleh dari membandingkan selisih kekayaan yang diperkenankan
dengan kewajiban batas minimum kemampuan suatu perusahaan untuk
membayar hutang. Hal ini dilakukan untuk melihat sejauh mana tingkat
solvabilitas perusahaan asuransi. Ukuran terbaik adalah 120% keatas
sebagaimana ketentuan pemerintah. Digunakan untuk mengetahui
kemampuan dalam menanggung segala risiko.
4

 Likuiditas
Likuiditas adalah kemampuan aset untuk diubah ke dalam bentuk tunai
tanpa adanya perubahan harga yang signifikan. Rasio likuiditas digunakan
untuk mengukur kemampuan perusahaan untuk memenuhi liabilitas
(hutang yang harus dibayar) dalam jangka pendek. Rasio ini
membandingkan liabilitas jangka pendek dengan sumber daya jangka
pendek yang tersedia untuk memenuhi liabilitas tersebut, dari rasio ini
banyak pandangan ke dalam yang bisa didapatkan mengenai kompetensi
keuangan perusahaan saat ini dan kemampuan perusahaan untuk tetap
kompeten jika terjadi masalah. Rasio ini paling tidak digunakan untuk
mengukur likuiditas perusahaan asuransi dalam menjalankan operasional
sehari-hari tanpa harus mencairkan investasi, rasio terbaik 120% keatas.
Merupakan kemampuan perusahaan untuk membayar tagihan lancar.
 Dana Jaminan terhadap Cadangan Teknis
Rasio ini untuk melihat ketersediaan dana perusahaan asuransi untuk
kebutuhan likuiditas apabila terjadi kesulitan. Rasio terbaik 5% keatas.
Merupakan kemampuan perusahaan untuk membayar tagihan lancar.
 Investasi terhadap Cadangan Teknis dan Utang Klaim
Rasio ini digunakan untuk mengukur kemampuan perusahaan dalam
membayar kewajibannya kepada pemegang polis jangka panjang. Rasio
terbaik 100% keatas. Apakah Cadangan Teknis dan Utang Klaim bisa
diproduktifkan dalam bentuk investasi.Investasi adalah suatu istilah
dengan beberapa pengertian yang berhubungan dengan keuangan dan
ekonomi. Istilah tersebut berkaitan dengan akumulasi suatu bentuk aktiva
dengan suatu harapan mendapatkan keuntungan dimasa depan. Terkadang,
investasi disebut juga sebagai penanaman modal.
 Aktiva Tetap terhadap Modal Sendiri
Rasio ini untuk mengukur efisiensi perusahaan dalam pembelian properti
dan aktiva tetap lain. Rasio terbaik tidak boleh lebih dari 25%.Aktiva tetap
merupakan aktiva tidak lancar yang diperoleh untuk digunakan dalam
operasi perusahaan yang memiliki masa manfaat lebih dari satu periode
akuntansi serta tidak untuk diperjualbelikan dalam operasi normal
perusahaan.
 Perubahan Premi Bruto
Rasio ini digunakan untuk melihat sejauh mana perusahaan mampu
meningkatkan premi. Ukuran terbaik diberlakukan berdasarkan rata-rata
kelompok asuransi. Standar terbaik tergantung pada kelompoknya. Untuk
perusahaan asuransi kelas premi bruto Rp 1 triliun keatas, standar
pertumbuhan terbaik 26% keatas, kelas premi bruto Rp 200 miliar hingga
Rp 1 triliun sebesar 34% keatas, dan kelas premi bruto dibawah Rp 200
miliar standar terbaik sebesar Rp 12% keatas.Gross Premium (Premi
Bruto) adalahjumlah premi yang dikenakan oleh perusahaan asuransi
kepada pemegang polis agar tetap bertahan.
 Pendapatan Premi Netto terhadap Modal Sendiri
Rasio ini untuk mengetahui kekuatan modal sendiri terhadap risiko
tanggungan sendiri dengan batas terbaik dibawah 300%. Net Premium
(Premi Netto) adalah jumlah uang yang diperlukan oleh perusahaan
asuransi dari sebuah polis asuransi agar dapat membayarkan manfaat-
 5

manfaat atas polis tersebut. Premi bruto setara dengan premi netto polis
dan loading.
 Pendapatan Investasi Netto terhadap Rata-rata Investasi
Rasio ini untuk mengetahui pendapatan investasi netto perusahaan, Dan
rasio Pendapatan Investasi Netto terhadap rata-rata Investasi harus lebih
besar dibandingkan dengan rata-rata suku bunga deposito satu tahun atau
7%.
 Beban (Klaim, Usaha dan Komisi) terhadap Pendapatan Premi Netto
Rasio penjumlahan beban klaim, beban usaha dan komisi terhadap
pendapatan premi netto untuk mengetahui biaya overhead perusahaan dan
beban klaim. Rasio ini harus lebih kecil atau sama dengan 100%. Rasio ini
digunakan untuk mengetahui apakah biaya-biaya yang dikeluarkan tidak
melebihi pendapatan.
 Laba (Rugi) sebelum pajak terhadap Rata-rata Modal Sendiri
Rasio laba tahun berjalan terhadap rata-rata modal sendiri, rasio ini untuk
mengetahui kemampuan modal sendiri perusahaan dalam mencetak untung
dengan standar terbaik harus lebih besar dari 7% yang diambil dari rata-
rata suku bunga deposito satu tahun. Rasio ini untuk mengetahui tingkat
keuntungan relatif terhadap investasi pada umumnya.
Profit (Laba) uang atau penghasilan yang diterima oleh suatu perusahaan
untuk produk-produk atau jasa-jasanya dikurangi biaya yang
dikeluarkannya untuk memproduksi barang atau untuk memberikan jasa-
jasa tersebut.
Capital (modal) bagian dari ekuitas para pemilik perusahaan yang terdiri
atas sejumlah uang yang diinvestasikan oleh para pemiliknya didalam
perusahaan tersebut

Jenis Data Menurut Skala Pengukuran

1 Data Nominal
Data nominal adalah data yang diberikan pada objek atau kategori yang
tidak menggambarkan kedudukan objek atau kategori tersebut terhadap
objek atau kategori lainnya. Data nominal biasanya digunakan sebagai
kode, hanya mengelompokkan kategori berdasarkan kelompok tertentu.
Ciri dari data ini yaitu kategori data bersifat saling lepas (satu objek hanya
masuk pada satu kelompok saja) dan kategori data tidak disusun secara
logis.
2 Data Ordinal
Data ordinal merupakan data yang penomoran objek atau kategorinya
disusun menurut besarnya, dari tingkat terendah ke tingkat tertinggi atau
sebaliknya, jarak/rentang data tidak harus sama. Ciri dari jenis data ini
adalah kategori data dapat disusun berdasarkan urutan logis dan sesuai
dengan besarnya karakteristik yang dimiliki. Selebihnya memiliki ciri
yang sama dengan data nominal.
3 Data Interval
Data interval merupakan data dimana objek atau kategori dapat diurutkan
berdasarkan suatu atribut yang memberikan informasi tentang interval
6

antara tiap objek atau kategori sama. Besar interval dapat di tambah atau
dikurangi. Ciri dari jenis data ini sama dengan data ordinal, tetapi urutan
kategori data mempunyai jarak yang sama.
4 Data Rasio
Data rasio memiliki sifat-sifat data nominal, data ordinal dan data interval,
dilengkapi dengan titik nol absolut.Karena terdapat angka nol maka pada
data ini dapat dibuat perkalian atau pembagian. Angka pada data
menunjukkan nilai yang sebenarnya dari objek atau kategori yang diukur
.

Analisis Regresi Logistik

Metode regresi logistik adalah suatu metode analisis statistika yang

mendeskripsikan hubungan antarpeubah takbebas yang memiliki dua kategori atau
lebih dengan satu atau lebih peubah bebas berskala kategori atau interval (Hosmer
dan Lemeshow1989). Pendekatan model persamaan regresi logistik digunakan
karena dapat menjelaskan hubungan antara X dan π(x) yang bersifat tidak linear,
ketidaknormalan sebaran dari Y keragaman peubah takbebas yang tidak konstan
dan tidak dapat dijelaskan oleh model regresi linear biasa. (Agresti, 1990). Khusus
yang memiliki dua kategori peubah tak bebas peluang Y = 1 dinotasikan dengan
π(x) dan peluang Y = 0 dinotasikan dengan 1− π(x). Fungsi regresi logistik antara
π(x) dan x dengan p peubah bebas adalah
exp(𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝 )
𝜋 𝑥 = .
1 + exp(𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝 )
Model regresi di atas merupakan fungsi regresi yang berbentuk fungsi
tidak linear, sehingga dengan transformasi logit maka fungsi tersebut menjadi
fungsi linear. Bentuk transformasi dinyatakan dalam persamaan berikut:
𝜋(𝑥)
ln = 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝 .
1 − 𝜋(𝑥)
Bukti:
𝜋(𝑥)
ln = 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝
1 − 𝜋(𝑥)
𝜋(𝑥)
= exp 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝
1 − 𝜋(𝑥)
𝜋 𝑥 = 1 − 𝜋(𝑥) exp 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝
𝜋 𝑥 = exp 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝 − 𝜋(𝑥) exp 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝
𝜋 𝑥 + 𝜋 𝑥 exp 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝 = exp 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝
𝜋 𝑥 1 + exp 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝 = exp 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝
exp(𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝 )
𝜋 𝑥 = .
1 + exp(𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝 )
 7

Analisis Regresi Probit

Analisis regresi ini digunakan untuk melihat pengaruh antar peubah tak
bebasdengan peubah bebas.Apabila peubah yang digunakan merupakan peubah
kategori maka metode regresi yang sesuai yaitu metode regresi logistik.Model
regresi probit merupakan pengembangan dari model regresi logistik
denganmenggunakan fungsi normal kumulatif sedangkan pada regresi logistik
menggunakan fungsi logistik kumulatif. Istilah probit berasal dari singkatan
probability unit yang dikenalkan pada tahun 1930-an oleh Chester Bliss. Model
probit merupakan model non linear yang digunakan untuk menganalisis hubungan
antara satu peubah tak bebas dengan peubah bebas, dengan peubah tak bebas yang
bersifat biner.Model ini sering disebut model normit atau normal equivalent
deviate disingkat ned. Model probit dikembangkan berdasarkan teori utilitas atau
pemikiran pemilihan rasional yang dikembangkan oleh McFadden pada tahun
1973.
Regresi probit merupakan modifikasi regresi logistik dengan menetapkan
persamaan regresi logit mengikuti distribusi normal. Dengan menggunakan
regresi probit maka 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑝 𝑥𝑝 dilihat sebagai skor standar Z yang
mengikuti distribusi normal, Peluang Y= 1 (peluang untuk mendapat skor 1)
dinotasikan dengan P maka didapatkan :

exp (𝑍) 𝑃
P= atau ln =Z
1+exp (𝑍) 1 −𝑃
Fungsi transformasi dalam model probit adalah fungsi sebaran kumulatif (cdf)
yang memetakan fungsi linier 𝒙′𝜷 pada selang [0,1] adalah sebagai berikut.

𝑃 𝑌 = 1 𝑥𝑖 = F(𝑥′𝛽)

Persamaan ini didasari pada distribusi normal Φ di bawah ini sehingga regresi
probit ditunjukkan dengan 𝚽(𝒙′𝒊 𝜷). Simbol Φ menunjukkan berlakunya fungsi
invers distribusi normal standar (inverse standard normal distribution) dan ∅(𝑧)
adalah fungsi kepekatan peluang.
𝑥 𝑖′ 𝛽

𝑃 𝑌 = 1 𝑥𝑖 = Φ 𝑥𝑖′ 𝛽 = 𝜙 𝑧 𝑑𝑧
−∞

Dengan kata lain sebagai berikut.

𝛽0 + 𝛽1 𝑥 1 + …+ 𝛽𝑝 𝑥 𝑝
1 𝑍2
𝑃(𝑌 = 1) = 𝑒 − 2 𝑑𝑧
2𝜋
−∞
8

Secara umum model probit dapat dinyatakan sebagai berikut :

P = 𝐹 𝑍 = 𝐹(𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + ⋯ + 𝛽𝑝 𝑋𝑝 )
dengan𝐹 merupakan fungsi peluang kumulatif dan 𝑋𝑖 adalah peubah bebas yang
bersifat ordinal. Oleh karena model peluang probit berkaitan dengan fungsi
peluang normal kumulatif, maka dapat dituliskan model peluang probit sederhana
sebagai berikut
𝑍 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + ⋯ + 𝛽𝑝 𝑋𝑝 (1)
Untuk memperoleh suatu dugaan dari nilai Z, maka dapat digunakan invers dari
fungsi normal kumulatif sehingga diperoleh :
𝑍 = 𝐹 −1 (𝑃) = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + ⋯ + 𝛽𝑝 𝑋𝑝𝑖
Peluang 𝑃 yang dihasilkan dari suatu model probit dapat diinterpretasikan sebagai
suatu dugaan dari peluang bersyarat bahwa objek pengamatan atau kelompok akan
mengalami suatu kejadian berdasarkan nilai tertentu dari X.

Pendugaan Parameter Model

Pendugaan parameter pada model probit dilakukan dengan metode

penduga kemungkinan maksimum (MLE). Dengan asumsi antar amatan untuk
amatan ke-i dalam n amatan adalah saling bebas. Fungsi kemungkinan dapat
ditulis sebagai:
𝑛

𝐿= [1 − 𝐹(𝑥𝑖′ 𝛽)]
𝑖 𝑦 𝑖 =0
𝑛

= [1 − 𝐹(𝑥𝑖′ 𝛽)]
(𝑖|𝑦 𝑖 =1)
𝑛
1−𝑦 𝑖 𝑦𝑖
= [1 − 𝐹(𝑥′𝑖 𝛽)] 𝐹(𝑥′𝑖 𝛽)
𝑖=1

Log fungsi kemungkinannya dapat ditulis sebagai berikut:

𝑛

ln 𝐿 = [ 𝑦𝑖 ln 𝐹(𝑥′𝑖 𝛽) + 1 − 𝑦𝑖 ln(1 − 𝐹 𝑥′𝑖 𝛽 )]

𝑖=1

𝜕 ln 𝐿
Fungsi di atas akan maksimum jika = 0 atau Pendugaan untuk setiap
𝜕𝛽
parameter yang ingin diketahui pada regresi probit diperoleh dengan menjadikan
turunan pertama ln 𝐿 terhadap β= 0, sehingga persamaan tersebut menjadi sebagai
berikut:
𝑛 𝑛
𝜕 ln 𝐿 −∅(𝑥𝑖′ 𝛽) ′ ∅(𝑥𝑖′ 𝛽) ′
= 𝑥 + 𝑥 =0
𝜕𝛽 1 − Φ(𝑥𝑖′ 𝛽) 𝑖 Φ(𝑥𝑖′ 𝛽) 𝑖
𝑖 𝑦 𝑖 =0 𝑖 𝑦 𝑖 =1

Penduga Maksimum Likelihood (MLE)βadalah penduga tak bias dan mendekati

sebaran normal.
 9

Pengujian Statistik

Pengujian statistik yang digunakan yaitu pengujian kelayakan model 1 dan

pengujian terhadap parameter model 1 baik secara individu maupun simultan.

1. Pengujian kelayakan model (goodness of fit)

Goodness of fit adalah suatu alat statistik yang digunakan untuk memeriksa
pengepasan dari model 1 yang dipostulatkan dibandingkan dengan data yang
diamati. Pengepasan dikatakan baik jika ada kesesuaian antara data yang dipaskan
dengan data yang diamati. Metode ini sering digunakan untuk goodness of fit data
kategori adalah Pearson.
Hipotesis :
𝐻0 ∶ Model 1 yang dipostulatkan layak
𝐻1 ∶ Model 1 yang dipostulatkan tidak layak

Metode Pearson
Statistik uji didefinisikan oleh
𝑛
2
(𝑜𝑖 − 𝑒𝑖 )2
𝜒 =
𝑒𝑖
𝑖=1

Dengan
n = banyaknya kategori/sel
𝑜𝑖 = frekuensi observasi atau yang benar-benar terjadi untuk kategori ke-i
total kolom x (total baris )
𝑒𝑖 =frekuensi ekspektasi untuk kategori ke-i =
total observasi
i =1,2,…n.
2
Kriteria keputusan adalah 𝐻0 ditolak jika 𝜒hitung > 𝜒𝛼2 ,𝑑𝑏 dengan db=n-p,
n menyatakan banyaknya grup dalam peubah tak bebas, p menyatakan banyaknya
parameter (Agresti 1996).

2. Pengujian terhadap parameter model

Pengujian terhadap parameter model dilakukan untuk mengetahui peranan

peubah bebas dalam model 1. Uji parameter yang digunakan adalah :
1. Uji Maximum Likelihood (G)
𝛽𝑖 diduga dengan metode kemungkinan maksimum maka untuk menguji
peranan peubah bebas didalam model secara simultan digunakan uji rasio
kemungkinan yaitu uji G (Hosmer dan Lemeshow 1989).
Hipotesis yang akan diuji adalah:
𝐻0 ∶ 𝛽0 = 𝛽1 = ⋯ = 𝛽𝑝 = 0
𝐻1 ∶ Paling sedikit ada satu 𝛽𝑖 ≠ 0 𝑖 = 0,1,2, … , 𝑝

Statistik uji yang digunakan adalah statistik G yang dirumuskan dengan

𝐿0
𝐺 = −2 ln
𝐿1
10

𝐿0 ∶ Fungsi likelihood tanpa peubah bebas

𝐿1 ∶ Fungsi likelihood dengan peubah bebas
Statistik G akan mengikuti sebaran 𝜒 2 dengan derajat bebas p. Kriteria
keputusan yang diambil yaitu menolak 𝐻0 jika 𝐺hitung > 𝜒𝛼2 (𝑝) (Hosmer dan
Lemeshow 1989) atau dapat dilihat dari nilai-p, jika nilai-p<α maka tolak H0
dengan α adalah tingkat signifikansi yang dipilih.

2. Uji Wald (W)

Statistik uji Wald digunakan untuk menguji parameter 𝛽𝑖 dengan cara
merasionalkan nilai dugaan parameter dengan simpangan bakunya (Hosmer
dan Lemeshow 1989).
Hipotesis yang akan diuji adalah :
𝐻0 ∶ 𝛽𝑖 = 0
𝐻1 ∶ 𝛽𝑖 ≠ 0 𝑖 = 0,1,2, … , 𝑝
Statistik Uji yang digunakan adalah Statistik W, yaitu:
𝛽𝑖
𝑊𝑖 =
𝑆𝐸(𝛽𝑖 )
Dengan 𝛽𝑖 merupakan penduga 𝛽𝑖 dan 𝑆𝐸(𝛽𝑖 ) merupakan penduga galat baku
dari 𝛽𝑖 . Statistik uji W mengikuti sebaran normal baku. Kriteria keputusan
adalah 𝐻0 ditolak jika 𝑊hitung > 𝑍𝛼 (Hosmer dan Lemeshow 1989) atau
2
dapat dilihat dari nilai-p, jika nilai-p<α maka tolak H0dengan α adalah tingkat
signifikansi yang dipilih.
 11

METODOLOGI PENELITIAN

Peubah Model

Penilaian kinerja perusahaan dapat memberikan gambaran pengelolaan

manajemen keuangan suatu perusahaan apakah telah berjalan sesuai dengan
tujuan perusahaan. Untuk itu usaha asuransi harus dikelola secara profesional.
Dengan kinerja perusahaan yang bagus merupakan modal perusahaan untuk
mengembangkan usahanya dan memperoleh kredibilitas. Untuk menilai prestasi
dan kondisi keuangan suatu perusahaan diperlukan suatu peubah atau ukuran
tertentu. Berikut adalah peubah yang digunakan pada model untuk mengukur
kinerja keuangan perusahaan asuransi jiwa di di Indonesia.

Tabel 1 Peubah-peubah yang digunakan pada model

Skala
Peubah Nama Peubah
Pengukuran
Peubah Tak Bebas Y : Kinerja keuangan perusahaan asuransi Biner
jiwa di Indonesia

Peubah Bebas 𝑋1 : Risk Based Capital (RBC) Rasio

𝑋2 : Likuiditas Rasio
𝑋3 : Dana Jaminan (Cadangan Teknis) Rasio
𝑋4 : Investasi (Cadangan Teknis dan Utang
Rasio
Klam)
𝑋5 : Aktiva Tetap/Modal Sendiri Rasio
𝑋6 : Perubahan Premi Bruto Rasio
𝑋7 :Pendapatan Premi Netto/Modal Sendiri Rasio
𝑋8 : Pendapatan Investasi Netto/Rata-
Rasio
rataInvestasi
𝑋9 : Beban (Klaim, Usaha dan Komisi) /
Rasio
Pendapatan Premi Netto
𝑋10 : Laba (Rugi) sebelum pajak / Rata-rata
Rasio
Modal Sendiri

Jenis dan Sumber Data

Data penelitian yang digunakan adalah data Laporan Keuangan (Annual

Report) perusahaan asuransi di Indonesia pada tahun 2011 yang bersumber dari
Info Bank XXXIV yang didapat penyusun di Perusahaan Asuransi Jiwasraya.
Pada penelitian ini banyaknya perusahaan asuransi jiwa yang diteliti sebanyak 25
perusahaan. Data penelitian ini dapat dilihat pada lampiran 1. Peubah tak bebas
atau peubah kinerja keuangan perusahaan asuransi jiwa di Indonesia bersifat
kategorikal dengan 2 kategori, yaitu:
1 = Bagus
0 = Selainnya
12

Metode Penelitian

Sifat penelitian ini mengolah data sekunder tentang perusahaan asuransi

jiwa di Indonesia dengan menggunakan analisis regresi probit. Metode penelitian
yang digunakan penyusun adalah metode deskriptif karena dengan metode
tersebut diharapkan dapat diperoleh gambaran mengenai data yang dikumpulkan,
kemudian diolah dan diharapkan dapat menyelidiki pokok permasalahan agar
menjadi jelas.Tahapan dalam menganalisis data adalah sebagai berikut:
1 Pengambilan dan entri data.
2 Melakukan eksplorasi data peubah rasio keuangan dengan menggunakan tabel
dan scatterplot
3 Menganalisis pengujian kelayakan model dan pengujian terhadap parameter
model
4 Mengonstruksi model regresi probit untuk mengukur kinerja keuangan industri
asuransi jiwa di Indonesia
5 Melakukan interpretasi hasil koefisien.

HASIL DAN PEMBAHASAN

Eksplorasi Data

Setiap perusahaan selalu berusaha untuk mempertahankan dan

meningkatkan kinerja di perusahaannya. Kinerja perusahaan dapat dinilai bagus,
cukup bagus, dan bahkan tidak bagus. Kinerja yang bagus merupakan hasil dari
penggunaan segala sumber daya secara optimal, efisien, dan efektif. Dengan
kinerja perusahaan yang bagus merupakan modal perusahaan untuk
mengembangkan usahanya dan memperoleh kredibilitas.
Persentase kinerja keuangan perusahaan asuransi jiwa di Indonesia yang
diolah penyusun untukpersentase kategori Bagus ada 64% dan untuk kategori
selainnya adalah 36%. Hal ini berarti bahwa kinerja keuangan perusahaan asuransi
jiwa di Indonesia tergolong bagus dikarenakan persentase yang muncul lebih
tinggi pada kategori bagus dibandingkan kategori selainnya.

Menilai prestasi dan kondisi keuangan suatu perusahaan, seorang analisis

keuangan memerlukan ukuran tertentu. Ukuran yang seringkali digunakan adalah
rasio atau indeks. Analisis dan penafsiran berbagai rasio akan memberikan
pemahaman yang lebih baik terhadap prestasi dan kondisi keuangan dengan
menggunakan grafik daripada analisis yang hanya mengemukakan data keuangan
saja. Berikut eksplorasi data dari peubah rasio keuangan dalam menilai kinerja
keuangan perusahaan asuransi jiwa di Indonesia.
 13

Tabel 2 Hasil analisis deskripsi data

Rata- Std.
rata Deviasi Min. Max.
RBC 8.73 2.69 0.00 10.00
Likuiditas 9.79 0.99 5.05 10.00
Dana_Jaminan 8.14 2.14 2.85 10.00
Investasi 9.70 1.50 2.52 10.00
Aktiva_Tetap 9.60 2.00 0.00 10.00
Perubahan_Premi_Bruto 3.37 4.27 0.00 10.00
Pendapatan_Premi_Netto 3.16 3.37 0.00 10.00
Pendapatan_Investasi_netto 9.04 1.46 3.97 10.00
Beban 2.31 3.65 0.00 10.00
Laba 4.72 4.82 0.00 10.00

Peubah rasio keuangan dalam menilai kinerja keuangan perusahaan

asuransi jiwa di Indonesia yang memiliki nilai rata-rata tertinggi adalah likuiditas
yaitu sebesar 9.79. Hal ini menyatakan bahwa banyak perusahaan yang memiliki
kemampuan untuk mengubah aset ke dalam bentuk tunai tanpa adanya perubahan
harga yang signifikan. Sedangkan nilai rata-rata terendah adalah beban yaitu
sebesar 2.31. Berarti hanya sedikit perusahaan yang memiliki kemampuan dalam
mengolah modal perusahaan sendiri dalam mencetak keuntungan. Likuiditas pun
memiliki standar deviasi yang kecil, maka hal tersebut menunjukkan nilai sampel
berkumpul atau mengelompok di sekitar nilai rata-rata hitungnya. Artinya karena
nilainya hampir sama dengan nilai rata-rata, maka disimpulkan bahwa anggota
sampel mempunyai kesamaan. Sebaliknya, laba memiliki nilai deviasi yang besar,
maka penyebarannya dari nilai tengah juga besar. Hal tersebut menunjukkan
adanya nilai-nilai ekstrem baik yang tinggi maupun rendah.Standar deviasi yang
besar juga menunjukkan adanya perbedaan jauh diantara anggota sampel. Oleh
sebab itu, standar deviasi yang tinggi biasanya dipandang kurang baik bila
dibandingkan dengan standar deviasi rendah.
Nilai pada tiap peubah rasio keuangan dalam menilai kinerja keuangan
perusahaan asuransi jiwa di Indonesia berbeda-beda. Ada perusahaan yang
memiliki nilai 0.00 yang menyatakan bahwa kinerja keuangan perusahaan
asuransi jiwa tidak bagus sehingga memperoleh nilai yang sangat kecil, dan ada
yang memiliki nilai 10.00 hal ini berarti bahwa kinerja keuangan perusahaan
asuransi jiwa tergolong bagus karena memiliki nilai yang tinggi.
Peubah rasio keuangan dalam menilai kinerja keuangan perusahaan
asuransi jiwa di Indonesia memiliki 10 peubah dimana pada beberapa peubah
terdapat hubungan sehingga dibuat scatter plot pada hubungan yang berkaitan.
Hubungan tersebut diantaranya adalah hubungan antara RBC (Risk Based Capital)
dengan likuiditas dimana kedua peubah tersebut saling mengukur kemampuan
suatu perusahaan dalam membayar hutang, dan hubungan antara pendapatan
premi netto dengan pendapatan investasi netto dimana kedua peubah tersebut
saling mengukur pendapatan pada perusahaan masing-masing.
14

Gambar 1 Scatterplot antara RBC dan Likuiditas

Gambar 1 menunjukkan scatterplot hubungan antara RBC dengan

Likuiditas. Secara teori kedua peubah tersebut memiliki hubungan dimana kedua
peubah tersebut saling mengukur kemampuan suatu perusahaan dalam membayar
hutang. Tetapi secara empirik pada Gambar 1 tidak menunjukkan adanya
hubungan yang erat.

Gambar 2 Scatterplot antara pendapatan premi netto dengan pendapatan

investasi netto

Gambar 2 menunjukkan scatterplot hubungan antara pendapatan premi netto

dengan pendapatan investasi netto. Terlihat bahwa cenderung menyebar. Hal ini
berarti menunjukkan bahwa kedua peubah tidak memiliki keterkaitan yang erat.
Meskipun secara teori memiliki keterkaitan dimana kedua peubah tersebut saling
mengukur pendapatan pada perusahaan masing-masing.
 15

Model

1. Regresi Logistik

Fungsi regresi logistik antara π(x) dengan x peubahbebasadalah

exp(𝛽0 + 𝛽1 𝑥1 + … + 𝛽10 𝑥10 )
𝜋 𝑥 = .
1 + exp(𝛽0 + 𝛽1 𝑥1 + … + 𝛽10 𝑥10 )
Model regresi diatas merupakan fungsi regresi yang berbentuk fungsi tidak
linear, sehingga dengan transformasi logit maka fungsi tersebut menjadi fungsi
linear, dan g(x) menyatakan sebagai fungsi logistik. Bentuk transformasi
dinyatakan dalam persamaan berikut:
𝜋(𝑥)
g(x) = ln 1−𝜋(𝑥) = 𝛽0 + 𝛽1 𝑥1 + … + 𝛽10 𝑥10

Hasil pendugaan model regresi logistik adalah

g(x) = - 499.365 + 19.441𝑋1 + 132.719𝑋2 + 3.974𝑋3 − 112.237𝑋4 + 3.204𝑋6

+ 6.755𝑋7 + 4.039𝑋8 + 2.614𝑋9 + 4.305𝑋10 (2)

2. Regresi Probit

Secara umum model probit dapat dinyatakan sebagai berikut :

𝐹 𝑍 = 𝐹(𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + ⋯ + 𝛽10 𝑋10 )
dengan𝐹 merupakan fungsi peluang kumulatif dan 𝑋𝑖 adalah peubah bebas
yang bersifat ordinal. Oleh karena model peluang probit berkaitan dengan fungsi
peluang normal kumulatif, maka dapat dituliskan model peluang probit sederhana
sebagai berikut
𝑍 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + ⋯ + 𝛽10 𝑋10

Hasil pendugaan model regresi probit adalah

F(Z) = F(-164.970 + 6.421𝑋1 + 43.918𝑋2 + 1.300𝑋3 − 37.310𝑋4 + 0.986𝑋6 +

2.237𝑋7 + 1.552𝑋8 + 0 .867𝑋9 + 1.379𝑋10 ) (3)

Kelayakan Model

1. Kelayakan model pada analisis regresi logistik

Metode yang digunakan untuk menguji kelayakan model (Goodness of Fit)

adalah metode Pearson.
Hipotesis yang digunakan :
𝐻0 ∶ Model yang dipostulatkan layak
𝐻1 ∶ Model yang dipostulatkan tidak layak
16

Berikut adalah hasil output yang keluar dari pengujian kelayakan model pada
analisis regresi logistik
Tabel 3 Hasil Pengujian Kelayakan Model
Metode 𝜒2 P
.
Pearson 0.02 0.04

Hasil pengujian kelayakan model dengan menggunakan metode Pearson

menghasilkan nilai-p = 0.04. Hal ini berarti aturan keputusan adalah tolak H0
dikarenakan nilai -p<α, dengan α= 0.05. Dengan interpretasi bahwa model yang
dipostulatkan ini tidak layak.

2. Kelayakan model pada analisis regresi probit

Metode yang digunakan untuk menguji kelayakan model (Goodness of Fit)

adalah metode Pearson.
Hipotesis yang digunakan :
𝐻0 ∶ Model yang dipostulatkan layak
𝐻1 ∶ Model yang dipostulatkan tidak layak

Berikut adalah hasil output yang keluar dari pengujian kelayakan model pada
analisis regresi probit
Tabel 4 Hasil Pengujian Kelayakan Model
Metode 𝜒2 P
Pearson 0.07 1.000

Hasil pengujian kelayakan model dengan menggunakan metode Pearson

menghasilkan nilai-p = 1.000. Hal ini berarti aturan keputusan adalah terima H0
dikarenakan nilai – p tinggi dan nilai -p>α, dengan α= 0.05. Dengan interpretasi
bahwa model yang dipostulatkan ini layak. Selanjutnya untuk menganalisis model
digunakan analisis regresi probit.

Pengujian Parameter Model Regresi Probit

1. Uji G
Statistik Uji yang digunakan untuk menguji parameter model secara simultan
adalah Statistik uji G
Hipotesis yang akan diuji adalah:
𝐻0 ∶ 𝛽0 = 𝛽1 = ⋯ = 𝛽𝑝 = 0
𝐻1 ∶ 𝑃𝑎𝑙𝑖𝑛𝑔 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 𝑎𝑑𝑎 𝑠𝑎𝑡𝑢 𝛽𝑖 ≠ 0 𝑖 = 0,1,2, … , 𝑝
Hasil pengujiannya dapat dilihat pada tabel 5.
 17

Tabel 5 Hasil pengujian Maximum Likelihood (G)

D
Model G Df P
𝛽0 32.671
9 .
Final 6.020 9 000

Nilai G pada baris 𝛽0 didapatkan dari model tanpa prediktor. Pada model
tanpa prediktor ini nilai koefisien slope regresi diasumsikan sebesar nol (𝛽1 =0).
Akibatnya hanya koefisien intersep saja yang dipakai. Berikut ini adalah model
yang hanya melibatkan intersep (α) saja.

Probit (𝑃) = − 164.970

Model final menggambarkan model yang mencakup variabel prediktor yang

kita analisis. Nilai ini didapatkan dari proses iterasi untuk menemukan nilai G
yang maksimal. Hasil ini dapat dilihat pada persamaan 3
Hasil pendugaan model menghasilkan Statistik-G sebesar dengan nilai-p =
0.000. Hal ini berarti bahwa pengujian parameter secara keseluruhan
menunjukkan setidaknya ada satu peubah bebas yang berpengaruh terhadap
peubah tak bebas pada taraf nyata 0.05. Untuk melihat peubah apa saja yang
berpengaruh dapat menggunakan uji Wald.

2. Uji Wald
Pengujian parameter dengan masing-masing koefisien menggunakan uji
Wald.
Hipotesis yang akan diuji adalah :
𝐻0 ∶ 𝛽𝑖 = 0
𝐻1 ∶ 𝛽𝑖 ≠ 0 𝑖 = 0,1,2, … , 𝑝
Hasil regresi probit dapat dilihat pada Tabel 6. Tabel 6 menunjukkan bahwa ada
dua peubah bebas yang berpengaruh signifikan terhadap peubah tak bebas pada
taraf nyata 0.05, yaitu Perubahan Premi Bruto dan Beban (Klaim, Usaha dan
Komisi).
18

Tabel 6 Hasil pendugaan parameter dan uji signifikansi

Pendugaan
Parameter Std. Error Wald Df Sig.
Konstanta -164.970 4.530 .007 1 .000
𝑋1 6.421 3805.726 .654 1 .999
𝑋2 43.918 1.307 .065 1 1.000
𝑋3 1.300 4362.104 .034 1 1.000
𝑋4 -37.310 9.024 .569 1 .852
𝑋5 0 0
𝑋6 .986 45.924 .053 1 .004*
𝑋7 2.237 2543.402 .067 1 .999
𝑋8 1.552 2.423 .004 1 1.000
𝑋9 .867 38.495 .034 1 .024*
𝑋10 1.379 3613.211 .0389 1 .080
*Berpengaruh pada α = 0.05

Peluang pengambilan keputusan pada kinerja keuangan terprediksi

dilaporkan dengan menggunakan pendugaan parameter. Ini berarti bahwa jika
semua prediktor dievaluasi pada nol, kemungkinan prediksi kinerja keuangan
adalah F (-164.970 ) ditransformasikan ke dalam tabel Z peluang tersebut akan
menjadi sangat rendah bahkan hasilnya mendekati nol. Hal ini menyatakan bahwa
kinerja keuangan akan sangat rendah apabila tidak didukung oleh prediktor atau
rasio keuangan untuk menilai kinerja perusahaan asuransi jiwa di Indonesia.
Berdasarkan hasil di atas dapat dihasilkan persamaan regresi probit yang
dihasilkan adalah:

F(Z) = F(-164.970 + 6.421𝑋1 + 43.918𝑋2 + 1.300𝑋3 − 37.310𝑋4 + 0.986𝑋6 +

2.237𝑋7 + 1.552𝑋8 + 0 .867𝑋9 + 1.379𝑋10 )

Dalam rangka memperbaiki kinerja keuangan perananpeubah 𝑋1 ,𝑋2 , 𝑋3 , 𝑋4 , 𝑋5 ,

𝑋7 , 𝑋8 , dan 𝑋10 tidak menjadi prioritas karena tidak signifikan dengan
menggunakan uji Wald. Tanpa memperhatikan peubah-peubah tersebut
selanjutnya akan dilakukan regresi ulang untuk peubah 𝑋6 dan 𝑋9 saja yang
berpengaruh pada taraf nyata serta dilakukan pengujian kembali. Uji Wald pada
𝑋6 dan 𝑋9 hasilnya signifikan sehinggadalam analisis ini diperoleh

F(Z) = 𝐹 (−0.383 + 0.134𝑋6 + 0.190𝑋9 )

Model tersebut menyatakan bahwaperubahan premi bruto (𝑋6 ) satu juta rupiah
meningkatkan kinerja keuangan perusahaan asuransi jiwa di Indonesia sebesar
0.134 dan Beban/Klaim, Usaha dan Komisi (𝑋9 ) sebesar 0.190. Kemudian untuk
mengetahui nilai peluang dapat dilihat dengan menggunakan tabel Z. Nilai Z
menunjukkan kecenderungan atau peluang kinerja bagus. Peningkatan peluang
 19

tergantung dengan kenaikan satu unit prediktor yang diberikan baik pada nilai-
nilai prediktor lainmaupun nilai awal yang diberikan prediktor.

Misalnya jika suatu perusahaan memiliki nilai 𝑋6 dan 𝑋9 konstan nol maka
Z=[- 0.383 + 0.134(0) + 0.867(0)] = - 0.383
Kemudian mentransformasikan nilai Zmenjadi peluang dengan melihat tabel Z.
F(-0.383) = P (Z < -0.383 ) = 0.3520 = 35.20%
Artinya ketika nilai perubahan premi bruto dan beban (klaim, usaha dan komisi)
sebesar 0, maka peluang memiliki penilaian kinerja keuangan yang bagus di
perusahaan tersebut sebesar 35.20%.

Jika suatu perusahaan memiliki nilai 𝑋6 = 1 dan 𝑋9 bernilai konstan nol maka
Z=[- 0.383 + 0.134 1 + 0.867(0)] = - 0.249
Kemudian mentransformasikan nilai Z menjadi peluang dengan melihat tabel Z.
F(-0.249) = P (Z < -0.249 ) = 0.4013 = 40.13%
Artinya ketika nilai perubahan premi bruto sebesar 1, maka peluang memiliki
penilaian kinerja keuangan yang bagus di perusahaan tersebut sebesar 40.13%.
Nilai 𝑋6 dan 𝑋9 ini meningkat sebesar 4.93% dari yang kedua peubah konstan nol

Jika suatu perusahaan memiliki nilai 𝑋6 bernilai konstan nol dan 𝑋9 = 1 maka
Z=[- 0.383 + 0.134(0) + 0.867(1)] = 0.484
Kemudian mentransformasikan nilai Z menjadi peluang dengan melihat tabel Z.
F(0.484) = P (Z < 0.484 ) = 0.6844 = 68.44%
Artinya ketika nilai beban (klaim, usaha dan komisi) sebesar 1, maka peluang
memiliki penilaian kinerja keuangan yang bagus di perusahaan tersebut sebesar
68.44%. Nilai 𝑋6 dan 𝑋9 ini juga meningkat sebesar 33.24% dari yang kedua
peubah konstan nol.

Jika suatu perusahaan memiliki nilai 𝑋6 = 1 dan 𝑋9 = 1 maka

Z=[- 0.383 + 0.134(1) + 0.867(1)] = 0.618
Kemudian mentransformasikan nilai Z menjadi peluang dengan melihat tabel Z.
F(0.618) = P (Z < 0.618 ) = 0.7291 = 72.91%
Artinya ketika nilai perubahan premi bruto dan beban (klaim, usaha dan komisi)
sebesar 1, maka peluang memiliki penilaian kinerja keuangan yang bagus di
perusahaan tersebut sebesar 72.91%. Nilai 𝑋6 dan 𝑋9 ini lebih meningkat sebesar
37.71% dari yang kedua peubah konstan nol.
20

SIMPULAN

Simpulan dari penulisan karya ilmiah ini adalah:

1 Eksplorasi data kinerja keuangan perusahaan asuransi jiwa di Indonesia
tergolong bagus dikarenakan persentase pada kategori bagus lebih tinggi yaitu
sebesar 64 % daripada kategori selainnya.
2 Analisis regresi probit lebih baik daripada analisis regresi logit dikarenakan
hasil pengujian kelayakan model pada analisis regresi probit dinyatakan layak
sedangkan hasil analisis pada regresi logistik dinyatakan tidak layak.
3 Peubah rasio keuangan yang dapat berpengaruh secara signifikan dalam
mengukur kinerja keuangan perusahaan asuransi jiwa di Indonesia adalah
perubahan premi bruto dan beban (klaim, usaha, dan komisi).

DAFTAR PUSTAKA

Agresti A. 1990. An Introduction to Categorical Data Analysis. New York (US):

John Wiley and Sons.
Aldrich JH. 1984. LinearProbability, Logit, and Probit Models. London: Sage
Publishing Company.
BouzouitaR. 1991. A Probit Analysis of Best Ratings. Journal of Insurance Issues.
[Internet]. [diunduh 2013February 20];1(3): 23-34.
Hosmer DW, Lemeshow S. 1989. Applied Logistic Regression. New York (US):
John Wiley and Sons.
InfoBank. 2011. Rating Perusahaan Asuransi Jiwa. Ed ke-34. Jakarta: Asuransi
Jiwasraya.
NurhidayatI. 2008. Penerapan Model Regresi Ordinal untuk Mengidentifikasi
Pengaruh Potensi Desa Terhadap Tingkat Pengeluaran Perkapita Penduduk
[Skripsi]. Bogor (ID): Institut Pertanian Bogor.
Prasetyo. [Internet]. [diunduh 2013 Juni7]. Tersedia pada: www.jbptunikompp-
gdl-s1-2004-sara-603-BAB+II+r-i.
Rahayu S. 2005. Aplikasi SPSS Dalam Riset Pemasaran. Bandung: CV. Alfabeta.
Saripatmia. [Internet]. [diunduh 2013 Juni7]. Tersedia pada:
www.perfspot.com/docs/doc.asp?id=84714.
Widhiarso W. 2012. [internet]. [diunduh 2013 Mei 17]. Tersedia
pada:http://ftp.wileyy.com/public/10020397.
22

Lampiran 1 Data Rating Perusahaan Asuransi Jiwa

Perusahaan Asuransi RBC Likuiditas Dana Investasi Aktiva Perubahan Pendapatan Pendapatan Beban Laba Penilaian
Jiwa Jaminan Tetap Premi Bruto Premi Netto Investasi Netto (Rugi)
A 10.00 10.00 6.14 10.00 10.00 0.00 6.00 7.14 10.00 10.00 1.00
B 9.19 10.00 6.70 10.00 10.00 6.72 6.00 10.00 0.00 10.00 1.00
C 9.27 10.00 10.00 10.00 10.00 0.00 0.00 8.57 6.50 10.00 1.00
D 10.00 10.00 7.28 10.00 10.00 0.00 3.00 10,00 0.00 10.00 1.00
E 9.27 10.00 6.78 10.00 10.00 0.00 10.00 7.14 3.50 0.95 1.00
F 8.39 10.00 7.42 10.00 10.00 0.00 0.00 10.00 0.00 10.00 0.00
G 8.26 10.00 10.00 10.00 10.00 2.59 0.00 9.24 9.68 10.00 1.00
H 9.15 9.67 7.02 10.00 10.00 10.00 9.00 8.61 10.00 0.00 1.00
I 9.68 10.00 10.00 10.00 10.00 3.32 3.00 10.00 0.00 10.00 1.00
J 9.47 10.00 10.00 10.00 10.00 1.02 3.00 10.00 0.00 10.00 1.00
K 9.65 10.00 7.22 10.00 10.00 10.00 10.00 10.00 0.00 0.00 1.00
L 8.33 10.00 10.00 10.00 10.00 5.18 9.00 8.57 0.00 0.00 1.00
M 8.76 10.00 5.61 10.00 10.00 0.00 0.00 10.00 0.00 10.00 0.00
N 9.91 10.00 2.85 10.00 10.00 10.00 0.00 8.57 0.00 0.00 0.00
O 10.00 10.00 4.76 10.00 10.00 5.53 0.00 10.00 0.00 0.00 0.00
P 10.00 10.00 10.00 10.00 10.00 10.00 5.00 10.00 3.30 1.08 1.00
Q 10.00 10.00 10.00 10.00 10.00 0.00 1.00 10.00 7.50 10.00 1.00
R 10.00 10.00 10.00 10.00 10.00 10.00 1.00 10.00 0.00 0.34 1.00
S 10.00 10.00 10.00 10.00 10.00 10.00 4.00 10.00 0.00 0.00 1.00
T 10.00 10.00 6.94 10.00 10.00 0.00 1.00 10.00 0.00 10.00 1.00
U 8.84 10.00 10.00 10.00 10.00 0.00 3.00 6.99 0.00 2.82 0.00
V 10.00 10.00 5.03 10.00 10.00 0.00 2.00 8.69 1.29 1.01 0.00
W 10.00 10.00 10.00 10.00 10.00 0.00 1.00 8.57 0.00 0.00 0.00
X 0.00 10.00 10.00 10.00 10.00 0.00 0.00 10.00 0.00 0.00 0.00
Y 0.00 5.05 9.42 2.52 0.00 0.00 2.00 3.97 6.05 1.85 0.00

2
21
22

RIWAYAT HIDUP

Tita Naovalitha dilahirkan di Jakarta pada tanggal 17 Maret 1991. Penulis

adalah anak pertama dari pasangan Bapak Toto Suprapto, SH dan Ibu Annike
Djasifan Ohara (Alm)
. Tahun 2003, penulis menyelesaikan pendidikan dasar di SDN 01 Kelapa
Gading Barat Jakarta Utara. Kemudian menyelesaikan pendidikan menengah
pertama di SMP Hang Tuah 3 Jakarta pada tahun 2006. Tahun 2009 penulis
menyelesaikan pendidikan menengah atas di SMAN 72 Jakarta. Pada tahun yang
sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur
PMDK. Penulis diterima di Departemen Matematika, Fakultas Matematika dan
Ilmu Pengetahuan Alam serta minor Ekonomi Pertanian, Fakultas Ekonomi dan
Sumber Daya Lingkungan.
Selama masa perkuliahan, penulis pernah memegang amanah menjadi
Sekretaris Fundrising BEM TPB IPB dan anggota Gugus Disiplin Asrama (GDA)
pada periode 2009-2010. Pada periode 2010-2011 penulis diamanahkan di
Bendahara PSDM BEM FMIPA IPB sekaligus mengajar di bimbingan belajar
SSC. Lalu pada tahun 2011-2012 penulis juga memegang amanah sebagai
Sekretaris Sainstek BEM FMIPA IPB. Serta 2 tahun berturut-turut diamanahkan
menjadi bendahara umum Pesta Sains Nasional pada tahun 2011 dan 2012.
Penulis juga melakukan magang di Perusahaan Asuransi Jiwasraya pada tahun
2013 Jakarta Pusat.