UJI REGRESI LOGISTIK

APLIKASI ANALISIS KUANTITATIF

Case Processing Summary

Unweighted Casesa N Percent
Selected Cases Included in Analysis 0 ,0
Missing Cases 132 100,0
Total 132 100,0
Unselected Cases 0 ,0
Total 132 100,0
a. If weight is in effect, see classification table for the total number of
cases.

Dependent Variable
Encoding
Original Value Internal Value
,0000 0
1,0000 1

1. Menilai Kelayakan Model Regresi (Uji Hosmer and Lemeshow)

Hosmer and Lemeshow Test

Step Chi-square df Sig.
1 8.382 8 .397

Contingency Table for Hosmer and Lemeshow Test

Perata Laba = ,0000 Perata Laba = 1,0000
Observed Expected Observed Expected Total
Step 1 1 2 2,714 11 10,286 13
2 2 2,049 11 10,951 13
3 2 1,679 11 11,321 13
4 4 1,494 9 11,506 13
5 0 1,300 13 11,700 13
6 0 1,039 13 11,961 13
7 1 ,788 12 12,212 13
8 1 ,578 12 12,422 13
9 0 ,311 13 12,689 13
10 0 ,047 15 14,953 15
 Berdasarkan hasil Uji Hormer dan Lemeshow diperoleh nilai sig sebesar 0.397 yang
lebih besar dari 0.05 berarti dapat disimpulkan bahwa model regresi mampu memprediksi
nilai observasinya atau model yang di bangun dapat diterima karena fit cocok dengan data
observasinya.

2. Menilai Keseluruhan Model (Overall Model Fit)

Block 0: Beginning Block

Iteration Historya,b,c
Coefficients
Iteration -2 Log likelihood Constant
Step 0 1 86.234 1.636
2 80.640 2.165
3 80.425 2.295
4 80.424 2.303
5 80.424 2.303
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 80.424
c. Estimation terminated at iteration number 5
because parameter estimates changed by less
than .001.

Block 1: Method = Enter

Iteration Historya,b,c,d
Coefficients
-2 Log Ukuran
Iteration likelihood Constant Perusahaan DER DAR ROA

Step 1 1 85.348 1.898 -.006 .189 -.325 -.974

2 78.504 2.815 -.012 .635 -1.361 -2.295
3 76.632 3.596 -.012 1.938 -4.935 -4.086
4 75.006 4.749 -.011 4.686 -12.392 -6.076
5 74.037 5.853 -.017 7.960 -20.349 -6.352
6 73.654 6.957 -.027 11.338 -28.198 -6.399
7 73.632 7.305 -.031 12.314 -30.400 -6.469
8 73.632 7.325 -.031 12.370 -30.522 -6.474
9 73.632 7.325 -.031 12.370 -30.523 -6.474
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 80.424
d. Estimation terminated at iteration number 9 because parameter estimates changed by less than
.001.
 Berdasarkan hasil uji regresi logistik diperoleh nilai -2LL blok 0 sebesar 80.424 dan
terjadi penurunan nilai -2LL blok 1 menjadi 73.632, maka disimpulkan bahwa model
regresi yang dibangun adalah baik atau model yang dihipotesiskan fit dengan data
sehingga dapat digunakan untuk analisis selanjutnya.

3. Koefisien Determinasi (Nagelkerke R Square)

Model Summary
Cox & Snell R Nagelkerke R
Step -2 Log likelihood Square Square
1 73.632a .050 .110
a. Estimation terminated at iteration number 9 because
parameter estimates changed by less than .001.

Berdasarkan hasil tabel Model Summary diatas, diperoleh nilai Nagelkerke R Square
sebesar 0.110. Hal ini berarti sebesar 11% variasi dari Perata Laba (PL) mampu dijelaskan
oleh Ukuran Perusahaan, DER, DAR, ROA dan sisanya 89% di jelaskan oleh variabel-
variabel lain di luar model penelitian.

4. Uji Multikolinearitas

Correlation Matrix
Ukuran
Constant Perusahaan DER DAR ROA
Step 1 Constant 1.000 -.892 .450 -.435 -.172
Ukuran Perusahaan -.892 1.000 -.080 .023 -.091
DER .450 -.080 1.000 -.981 -.256
DAR -.435 .0023 -.981 1.000 .320
ROA -.172 -.091 -.256 .320 1.000

Berdasarkan tabel correlation matrix diperoleh tidak ada korelasi variabel bebas yang
nilainya diatas 0.9. Hal ini menunjukkan bahwa tidak terdapat gejala multikolinieritas
antar variabel bebas.
 5. Table Klasifikasi

Classification Tablea

Predicted
Perata_Laba Percentage
Observed .00 1.00 Correct
Step 1 Perata_Laba .00 0 12 .0
1.00 0 120 100.0
Overall Percentage 90.9
a. Constant is included in the model.
b. The cut value is .500

Berdasarkan classification table diatas diperoleh data Perata Laba. Model itu tidak tepat
memprediksi 0 tepat di 0 yang ada sebanyak 12 data karena prediksinya tersebut berpindah
ke 1, sedangkan model tersebut sangat tepat dalam memprediksi 1 tepat di 1 karena semua
prediksinya sebanyak 120 data itu tepat berada pada kolom 1 dan baris 1. Sehingga dapat
dikatakan kekuatan prediksi dari model terhadap 1 ke 1 sebesar 100% dan terhadap 0 ke 0
sebesar 0%. Nilai overall percentage sebelum variable independen dimasukan ke dalam
model sebesar 120/132 = 90.9%.

6. Model Regresi Logistik

Variables in the Equation

B S.E. Wald df Sig. Exp(B)
Step 1 a
Ukuran_Perusahaan -.031 .189 .027 1 .869 .969
DER 12.370 7.709 2.575 1 .109 235584.112
DAR -30.523 18.927 2.601 1 .107 .000
ROA -6.474 4.493 2.076 1 .150 .002
Constant 7.325 5.927 1.527 1 .217 1517.781
a. Variable(s) entered on step 1: Ukuran_Perusahaan, DER, DAR, ROA.

Berdasarkan tabel variabel in equation diatas, maka persamaan regresi yang terbentuk adalah
sebagai berikut:
PL
Ln
1 - PL

= 7.325 -0.031Ukuran Perusahaan + 12.370DER - 30.523DAR - 6.474ROA

1) Nilai konstanta sebesar 7.325, menunjukkan bahwa apabila variabel independen sama
dengan nol maka probability perusahaan mengalami Perata Laba dengan faktor
1517.781 (eβ).
2) Variabel Ukuran Perusahaan memiliki koefisien regresi (β) sebesar -0.031 dengan nilai
sig. sebesar 0.869 yang lebih besar dari 0.05. Hal ini berarti ukuran perusahaan tidak
berpengaruh terhadap perata laba perusahaan.
3) Variable DER mempunyai koefisien regresi (β) sebesar 12.370 dengan nilai sig. sebesar
0.109 yang lebih besar dari 0.05. Hal ini berarti bahwa DER tidak berpengaruh terhadap
perata laba perusahaan.
4) Variabel DAR mempunyai koefisien regresi (β) sebesar -30.523 dengan nilai sig.
sebesar 0.107 yang lebih besar dari 0.05. Hal ini berarti bahwa DAR tidak berpengaruh
terhadap perata laba perusahaan.
5) Variabel ROA mempunyai koefisien regresi (β) sebesar -6.474 dengan nilai sig. sebesar
0.150 yang lebih besar dari 0.05. Hal ini berarti bahwa ROA tidak berpengaruh terhadap
perata laba perusahaan.