BAB III

METODE PENELITIAN

3.1 Strategi Penelitian

Strategi penelitian merupakan suatu rencana bagaimana peneliti akan

menjawab pertanyaan-pertanyaan penelitian yang telah dibuat. Strategi yang akan

digunakan dalam penelitian ini adalah menggunakan desain penelitian asosiatif

kausalitas. Menurut Sugiyono, (2018) mendefinisikan bahwa asosiatif kausalitas

merupakan suatu rumusan masalah yang bersifat menanyakan hubungan antara dua

variabel atau lebih. Menurut Sanusi (2017), Kausalitas digunakan untuk meneliti

kemungkinan adanya hubungan yang bersifat sebab-akibat antar variabel, dimana

variabel independen mempengaruhi variabel dependen atau sebaliknya dimana

variabel dependen dipengaruhi oleh variabel independent. Variabel independent/bebas

yaitu Current Ratio (X1), Rasio Perputaran Persediaan (X2), Rasio Perputaran Total

Aset (X3), dan Rasio Utang Terhadap Asset (X4) dengan variabel dependen yaitu

Financial Distress (Y), sedangkan variable kontrol yang digunakan didalam penelitian

ini adalah ukuran perusahaan.

Dalam penelitian ini menggunakan metode pendekatan kuantitatif. Menurut

Sanusi (2017), Metode ini dapat diartikan sebagai metode penelitian yang digunakan

untuk meneliti pada populasi atau sampel tertentu, pengumpulan data menggunakan

instrument penelitian, analisis data bersifat statistik, dengan tujuan untuk

menggambarkan dan menguji hipotesis yang telah ditentukan. Metode kuantitatif

menggunakan data penelitian berupa angka-angka dan analisis menggunakan statistik.

3.2 Populasi dan Sampel Penelitian

3.2.1 Populasi Penelitian

Menurut Sugiyono (2018:136), Populasi merupakan wilayah

generalitas yang terdiri dari objek atau subjek yang mempunyai kuantitas dan

karakteriktik tertentu yang ditetapkan oleh peneliti untuk dipelajari lalu

kemudian ditarik kesimpulannya. Populasi yang digunakan didalam penelitian

ini adalah seluruh perusahaan sektor pertambangan yang terdaftar di Bursa Efek

Indonesia (BEI) pada tahun 2015 sampai 2019. Populasi didalam penelitian ini

adalah 49 perusahaan sektor pertambangan.

3.2.2 Sampel Penelitian

Menurut Sugiyono (2018: 137), Sampel adalah bagian dari jumlah dan

karakteristik yang dimiliki oleh populasi tersebut. Teknik dalam pengambilan

sampel penelitian dengan menggunakan teknik purposive sampling. Purposive

sampling yaitu cara dalam pengambilan sampel yang disesuaikan pada

pertimbangan-pertimbangan tertentu atau kriteria-kriteria yang telah ditentukan

peneliti (Sanusi, 2017: 95). Adapun pertimbangan-pertimbangan atau kriteria-

kriteria yang akan digunakan dalam penentuan sampel, yaitu:

1. Perusahaan sektor pertambangan yang telah terdaftar di Bursa Efek

Indonesia.

2. Perusahaan yang mempublikasikan laporan keuangan secara berturut-turut

pada periode 2015-2019.

3. Perusahaan yang menyajikan laporan keuangan tahunan secara lengkap

dari periode 2015-2019.

4. Perusahaan yang menyajikan laporan mata uang dalam mata uang Rupiah

(Rp).

Tabel 3.1

Seleksi Sampel Penelitian

No. Kriteria Jumlah

1. Perusahaan sektor pertambangan yang terdaftar di Bursa

Efek Indonesia pada periode 2015-2019.

48

2. Perusahaan yang tidak mempublikaskan laporan keuangan

tahunan secara berturut-turut pada periode 2015-2019.

(7)

3. Perusahaan yang tidak menyajikan laporan keuangan

tahunan secara lengkap dari periode 2015-2019.

(2)

4. Perusahaan yang tidak menyajikan laporan keuangan

dalam mata uang Rupiah (Rp).

(27)

Jumlah data sampel perusahaan yang diteliti 12

Data Observasi tahun 2015-2019 60

Sumber: data diolah, 2020

Dari total populasi 48 perusahaan sektor pertambangan yang terdaftar di Bursa

Efek Indonesia, yang memenuhi kriteria dalam menentukan sampelnya sebanyak 12

perusahaan, yaitu:

Tabel 3.2

Perusahaan sektor pertambangan yang Menjadi Sampel Penelitian

No. Keterangan Kode Perusahaan

1. PT. Aneka Tambang Tbk ANTM

Sumber dari: www.idx.co.id

3.3 Data dan Metode Pengumpulan Data

3.3.1 Data Penelitian

Data yang digunakan dalam penelitian adalah data sekunder. Data sekunder

adalah data yang diperoleh tidak secara langsung melalui pihak institusi terkait. Data

sekunder umumnya berupa bukti, catatan atau laporan historis yang telah tersusun

dalam arsip yang dipublikasikan atau tidak dipublikasikan. Data dalam penelitian ini

mengenai perusahaan sektor pertambangan yang terdaftar di Bursa Efek Indonesia

diperoleh dari Indonesian Capital Market Directory (IMCD). Data yang digunakan

dalam penelitian ini adalah laporan tahunan perusahaan sektor pertambangan dari

tahun 2015 hingga 2019 yang telah diterbitkan oleh Bursa Efek Indonesia (BEI) atau

2. PT. Ratu Prabu Energi Tbk ARTI

3. PT. Cakra Mineral Tbk CKRA

4.. PT. Cita Mineral Investindo Tbk CITA

5. PT. Citatah Tbk CTTH

6. PT. Central Omega Resouces Tbk DKFT

7. PT. Elnusa Tbk ELSA

8. PT. Perdana Karya Perkasa Tbk PKPK

9. PT. Bukit Asam Tbk PTBA

10. PT. Radiant Utama Interinsco Tbk RUIS

11. PT. Golden Eagle Energy Tbk SMMT

12. PT. Timah Tbk TINS

perusahaan itu sendiri dan data tersebut dapat diperoleh melalui situs web Bursa Efek

Indonesia yaitu www.idx.co.id atau melalui situs web perusahaan masing-masing.

3.3.2 Metode Pengumpulan Data

Metode pengumpulan data yang akan digunakan dalam penelitian ini adalah

metode observasi dokumentasi. Metode observasi dokumentasi adalah pengumpulan

data dengan cara mengumpulkan data dokumen-dokumen yang sudah ada pada catatan

yang telah disimpan. Dalam penelitian ini dilihat dari laporan keuangan sampel

perusahaan yang telah diterbitkan melalui situs web Bursa Efek Indonesia (BEI).

Pengumpulan data laporan keuangan dilakukan dari tahun 2015 sampai 2019 dan

melakukan perhitungan terhadap current ratio, inventory turnover, total asset turnover,

debt to asset ratio dan ukuran perusahaan. Selain itu, peneliti mengolah data laporan

keuangan perusahaan untuk memperoleh data penelitian yang diinginkan. Data

diperoleh melalui website Bursa Efek Indonesia (www.idx.co.id) atau website

perusahaan dan Indonesian Capital Market Directory (ICMD) dengan melihat laporan

keuangan tahunan perusahaan.

3.4 Operasional Variabel

Variabel yang digunakan dalam penelitian ada 3 (tiga), yaitu variabel dependen

(Y), variabel independent (X) dan variabel kontrol.

3.4.1. Variabel Dependen

Menurut Sanusi (2017: 50), Variabel dependen merupakan variabel yang

dipengaruhi oleh variabel lain. Variabel dependen yang digunakan dalam penelitian ini

adalah financial distress. Menurut Fahmi (2017:93), Financial distress adalah tahap

penurunan kondisi kinerja keuangan sebelum terjadinya likuiditasi. Penurunan kinerja

keuangan ini biasanya bersifat sementara, tetapi akan menjadi lebih buruk apabila

kondisi tersebut tidak diatasi dan perusahaan tersebut akan mengalami kebangkrutan.

Awal terjadinya financial distress adalah ketidakmampuan suatu instansi dalam

memenuhi kewajibannya.

Variabel dependen dalam penelitian menggunakan variabel binary (dummy).

Dimana dalam variabel dummy perusahaan-perusahaan akan dikelompokkan dengan

ukuran, yaitu kategori 1 untuk perusahaan yang dalam mengalami kesulitan keuangan

(financial distress), jika perusahaan memiliki laba bersih (Net Income) negatif dan

kategori 0 untuk perusahaan yang dalam keadaan sehat secara keuangan, jika

perusahaan memiliki laba bersih (Net Income) positif.

3.4.2. Variabel Independen

Menurut Sanusi (2017: 50), Variabel independen merupakan variabel yang

mempengaruhi variabel lain. Variabel independen yang digunakan dalam penelitian ini

adalah rasio lancar (current ratio), rasio perputaran persediaan (inventory turnover

ratio), rasio perputaran total aktiva (total assets turnover ratio) dan rasio utang

terhadap aset (Debt to Asset ratio).

a. Rasio lancar (current ratio)

Rasio lancar (current ratio) adalah rasio yang mengukur apakah perusahaan

tersebut sanggup memenuhi seluruh kebutuhan kewajiban lancarnya ketika jatuh

tempo (Fahmi, 2014). Apabila perusahaan tidak mampu memenuhi seluruh kewajiban

jangka pendeknya pada saat jatuh tempo, maka perusahaan akan terancam mengalami

financial distress dikarenakan perusahaan belum mampu memanfaatkan seluruh

asetnya untuk memenuhi kewajiban jangka pendeknya. Dalam praktik seringkali pakai

dengan standar 200% (2:1), dikarenakan dianggap sebagai ukuran yang memuaskan

bagi suatu perusahaan dan perusahaan merasa sudah berada di titik aman dalam jangka

pendek. (Kasmir, 2018). Secara sistematis untuk mencari current ratio dapat

digunakan sebagai berikut:

Current Ratio = Aset Lancar

Liabilitas Lancar

b. Rasio perputaran persediaan (inventory turnover turnover ratio)

Perputaran persediaan merupakan rasio yang mengambarkan sejauh mana

tingkat perputaran persediaan yang dimiliki perusahaan (Fahmi, 2014). Rasio ini

mengukur berapa kali dana yang ditanam dalam bentuk persediaan dan juga rasio ini

menunjukkan berapa kali jumlah barang persediaan diganti dalam satu tahun (Kasmir,

2018). Apabila perusahaan memperoleh tingkat perputaran persediaan yang tinggi, hal

ini menunjukkan dapat dikatakan perusahaan tersebut bekerja secara efisien dan likuid

persediaan semakin baik. Tetapi sebaliknya jika perusahaan memperoleh tingkat

perputaran persediaan yang semakin menurun, hal ini berarti perusahan bekerja secara

tidak efesien atau tidak produktif dalam mengelola persediaan sehingga terjadi

penumpukan persediaan didalam gudang. Menurut J Fred Weston dalam Kasmir

(2012:180), secara sistematis untuk menghitung rasio perputaran persediaan dapat

digunakan sebagai berikut:

Perputaran persediaan = Penjualan

Persediaan

c. Rasio perputaran total aktiva (total assets turnover ratio)

Perputaran total aktiva merupakan kemampuan dana yang tertanam dalam

keseluruhan aktiva berputar dalam suatu periode atau kemampuan modal yang

diinventasikan untuk menghasilkan pendapatan (revenue) (Surwajeni, 2015). Menurut

Kasmir (2018), Perputaran total aktiva merupakan rasio yang mengukur berapa jumlah

penjualan yang telah diperoleh dari tiap rupiah aktiva (Kasmir, 2018). Rasio ini dapat

menjadi sinyal bagi investor dan kreditur dalam melakukan investasi dan kreditnya di

perusahaan, dikarenakan rasio ini akan menilai baik atau tidaknya perusahaan dalam

melakukan pengelolaan perusahaan secara efektif. Secara sistematis, perputaran total

aktiva dapat dihitung dengan cara sebagai berikut:

Perputaran total aktiva = Penjualan

Total Aset

d. Rasio Hutang terhadap Aset (debt to asset ratio)

Debt to asset merupakan rasio yang mengukur seberapa besar aktiva

perusahaan dibiayai oleh utang atau seberapa besar utang perusahaan berpengaruh

terhadap pengelolaan aktiva (Hery, 2017). Dan rasio ini mengukur persentase

penggunaan dana dari kreditur yang dihitung dengan membandingkan antara total

utang perusahaan dengan total aktiva yang dimiliki (Curry dan Banjarnahor, 2018).

Apabila tingkat rasionya semakin tinggi, maka dapat dikhawatirkan perusahaan akan

sulit mendapatkan tambahan pinjaman dikarenakan dari tingkat rasio yang tinggi

berarti perusahaan tidak mampu membayar dan tidak mampu menutupi seluruh

kewajiban lancarnya dengan aktiva yang dimiliki (Kasmir, 2018). Untuk mencari hasil

debt to asset dapat dihitung dengan cara sebagai berikut:

Debt to asset ratio = Total Liabilitas

Total Aset

3.4.3. Variabel Kontrol

Variabel kontrol adalah variabel yang digunakan sebagai salah satu cara

mengontrol, meminimalkan, atau menetralkan pengaruh variabel dependen dan

variabel independen (Nurdin, 2019). Selain itu variabel kontrol adalah variabel yang

dikendalikan sehingga hubungan variabel independent terhadap variabel dependen

tidak dipengaruhi oleh faktor luar yang tidak diteliti. Variabel kontrol yang digunakan

di dalam penelitian ini, yaitu:

a. Ukuran perusahaan

Ukuran perusahaan adalah suatu ukuran yang menunjukkan besar kecilnya

suatu perusahaan yang diukur dengan berbagai macam cara, seperti nilai total aset, log

size, nilai pasar saham, dan lain sebagainya. Dalam penelitian ini ukuran perusahaan

diukur dengan menggunakan nilai total aset. Semakin tinggi total aset, maka potensi

perusahaan mengalami financial distress semakin kecil. Dan sebaliknya jika total aset

yang dimiliki kecil, maka potensi perusahaan mengalami financial distress semakin

besar. Dalam penelitian ini ukuran perusahaan dihitung dengan logaritma natural atas

total aset perusahaan, yaitu:

Ukuran perusahaan (Size) = Ln (Total Aset)

Tabel 3.3 Operasionalisasi Variabel

Variabel Definisi Operasional Indikator Skala

Financial

distress

Menurut Platt dan Platt

dalam Fahmi (2019:

93), Financial distress

didefinisikan sebagai

dimana suatu

perusahaan sedang

mengalami terjadinya

penurunan kondisi

kinerja keuangan

sebelum terjadinya

kebangkrutan atau

likuidasi.

Variabel dummy: nilai 1

untuk perusahaan mengalami

kesulitan keuangan, apabila

perusahaan memiliki laba

bersih negatif, dan nilai 0

untuk perusahaan dalam

kondisi sehat, apabila

perusahaan memiliki laba

bersih positif.

Dummy

Current

Ratio

Rasio lancar (Current

Ratio) merupakan rasio

yang menggambarkan

apakah perusahaan

mampu memenuhi

CR = 𝐴𝑠𝑒𝑡 𝐿𝑎𝑛𝑐𝑎𝑟

Utang Lancar Rasio

seluruh kewajiban

lancarnya dengan aset

lancar.

Perputaran

persediaan

Rasio ini mengukur

berapa kali dana yang

ditanam dalam bentuk

persediaan dan juga

rasio ini menunjukkan

berapa kali jumlah

barang persediaan

diganti dalam satu

tahun (Kasmir, 2018).

ITO = Penjualan

Persediaan Rasio

Perputaran

Total Aset

Perputaran total aset

merupakan kemampuan

dana yang tertanam

dalam keseluruhan aset

berputar dalam suatu

periode atau

kemampuan modal

yang diinventasikan

untuk menghasilkan

pendapatan (revenue)

(Surwajeni, 2015).

TATO = Penjualan

Total Aset Rasio

Debt to

Asset ratio

Debt to asset

merupakan rasio yang

mengukur seberapa

besar aktiva perusahaan

dibiayai oleh utang atau

DAR = Total Liabilitas

Total Aset Rasio

seberapa besar utang

perusahaan

berpengaruh terhadap

pengelolaan aktiva

(Hery, 2017).

Ukuran

Perusahaan

Ukuran perusahaan

adalah suatu ukuran

yang menunjukkan

besar kecilnya suatu

perusahaan yang diukur

dengan berbagai

macam cara, seperti

nilai total aset, log size,

nilai pasar saham, dan

lain sebagainya.

Size = Ln(Total Aset) Rasio

3.5 Metode Analisis Data

Metode analisis data (teknik analisis data) adalah mendeskripsikan teknik

analisis apa yang akan digunakan oleh peneliti untuk menganalisis data yang telah

dikumpulkan, termasuk pengujiannya. Data yang telah dikumpulkan akan ditentukan

oleh masalah penelitian yang sekaligus mencerminkan karakteristik tujuan studi

apakah untuk eksplorasi, deskripsi, atau menguji hipotesis (Sanusi, 2017). Dalam

pengolahan datanya, peneliti menggunakan aplikasi program komputer yaitu Microsoft

Excel sebagai alat bantu dalam mengolah data dengan fungsi rumus matematika

sederhana dan serta menggunakan program E-Views ver.10 sebagai alat bantu dalam

menganalisa statistika dan ekonometri jenis runtun waktu. Sehingga dengan

menggunakan program ini bertujuan untuk memperoleh hasil yang akurat dan cepat

serta dalam melakukan pengolahan data menjadi cepat. Metode analisis data yang

digunakan untuk menguji hipotesis adalah sebagai berikut:

3.5.1 Analisis Statistik Deskriptif

Statistik deskriptif adalah statistik yang menganalisis data dengan cara

menggambarkan atau mendeskripsikan data yang telah terkumpul sebagaimana tidak

bermaksud membuat sebuah kesimpulan yang berlaku umum atau generalisasi (Sanusi,

2017:115). Statistik deskriptif adalah penyajian data dengan menggunakan tabel,

grafik, diagram lingkaran, piktogram, perhitungan modus, median, mean, persentase,

dan standar deviasi. Analisis statistik deskriptif dilakukan untuk digunakan bila peneliti

hanya ingin mendeskripsikan data sampel dan tidak bermaksud untuk membuat

generalisasi atau kesimpulan yang berlaku untuk populasi dimana sampel tersebut

diambil.

3.5.2 Analisis Regresi Logistik

Analisis regresi logistik adalah analisis dimana memiliki satu variabel

dependen yang non matrix (nominal) serta variabel independent lebih dari satu. Regresi

logistik adalah regresi yang digunakan untuk menguji apakah probabilitas terjadinya

variabel dependen (terikat) dapat diprediksi oleh variabel independent (bebas). Regresi

logistik tidak menggunakan distribusi normal, uji normalitas, uji heteroskedastisitas,

dan uji asumsi pada independen (variabel bebas) (Ghozali, 2017). Dalam melakukan

analisis regresi logistik dilakukan pengujian kelayakan model regresi, menilai

keseluruhan model, koefisien determinasi dan pengujian simultan, serta pengujian

parsial.

Variabel dependen dalam penelitian ini menggunakan variabel binary

(dummy), yaitu apakah perusahaan tersebut yang tidak mengalami financial distress

diberi kode “0” dan perusahaan yang mengalami financial distress diberi kode “1”.

Variabel independent yang digunakan dalam metode ini adalah current ratio, rasio

perputaran persediaan, rasio perputaran total aktiva, dan rasio utang terhadap aset.

Berdasarkan rumusan masalah dan kerangka teoritis yang sudah disajikan sebelumnya,

maka model atau rumus regresi logistik yang digunakan untuk menguji hipotesis

adalah sebagai berikut (Ghozali, 2017:325):

Keterangan:

: Probabilitas perusahaan mengalami financial distress

(variabel dummy, dimana 0 untuk perusahaan yang

sehat apabila perusahaan memiliki laba bersih positif

dan 1 untuk perusahaan yang mengalami financial

distress, apabila perusahaan memiliki laba bersih

negatif).

Α : Konstanta.

β1 β2 β3 β4 β5 : Koefisien regresi.

Cr : Current ratio.

ITO : Rasio perputaran persediaan

TATO : Rasio perputaran total aktiva

DAR : Rasio utang terhadap aset

Size : Ukuran perusahaan

ε : Error.

FD

1 - FD

= α + β1 Cr + β2 ITO + β3 TATO + β4 DAR + β5 Size + ε Ln

Ln FD

1 - FD

Dalam penelitian ini analisis data melakukan penilaian kelayakan model dan

pengujian signifikansi koefisien secara sendiri-sendiri. Langkah-langka analisis dalam

regresi logistik menurut Ghozali (2017):

3.5.2.1 Menilai Kelayakan Model Regresi

Menurut Ghozali (2017), goodness of fit test dapat dilakukan dengan cara

memperhatikan output dari Hosmer and Lemeshow’s Goodness of Fit Test. Sehingga

untuk menilai kelayakan model regresi dalam penelitian ini dengan menggunakan

pengujian Hosmer and Lemeshow’s Goodness of fit. Dengan hipotesis sebagai berikut:

H0: Model yang dihipotesiskan fit dengan data

Ha: Model yang dihipotesiskan tidak fit dengan data

Pengujian Hosmer and Lemeshow’s Goodness of fit menguji hipotesis nol

bahwa data empiris cocok atau sesuai dengan model (Ghozali, 2017). Jika nilai Hosmer

and Lemeshow’s Goodness of fit test statistic signifikan atau lebih kecil dari 0.05, maka

hipotesis nol ditolak dan hal ini berarti ada perbedaan signifikan antara model dengan

nilai observasi sehingga model dikatakan tidak fit dan Goodness fit model tidak dapat

memprediksi nilai observasinya. Sedangkan jika nilai statistik Hosmer and

Lemeshow’s Goodness of fit tidak signifikan atau lebih besar dari 0.05, maka hipotesis

nol tidak dapat ditolak dan berarti model dikatakan diterima karena sesuai dengan data

observasi dan mampu memprediksi nilai observasinya (Ghozali, 2017).

3.5.3 Pengujian Hipotesis

Pengujian hipotesis bertujuan untuk mengetahui apakah variabel ada yang

signifikan atau tidak antara variabel independent dengan variabel dependen. Menurut

Sugiyono (2018) hipotesis adalah sebuah jawaban sementara dari pernyataan

perumusan masalah penelitian, dimana bentuk perumusan masalah penelitian

dinyatakan dalam bentuk kalimat pertanyaan. Dikatakan sementara, dikarenakan

jawaban yang diberikan baru didasarkan pada fakta-fakta empiris yang telah diperoleh

melalui pengumpulan data. Sehingga hipotesis dapat dinyatakan sebagai sebuah

jawaban teoritis terhadap rumusan masalah, bukan jawaban empiris.

Menurut statistik, hipotesis dibedakan menjadi hipotesis nol (H0) dan hipotesis

alternatif (Ha). Hipotesis nol merupakan hipotesis yang menyatakan tidak adanya

pengaruh yang signifikan antara variabel independent dengan variabel dependen.

Sedangkan Hipotesis alternatif merupakan hipotesis yang menyatakan adanya

pengaruh yang signifikan antara variabel independent dengan variabel dependen

(Sanusi, 2017).

3.5.3.1 Uji Signifikansi Model Secara Parsial (Uji Z-statistics)

Menurut Widarjono (2015:114) bahwa didalam model regresi logistik untuk

melakukan uji signifikansi sama dengan uji parsial (Uji T) pada regresi linier berganda.

Uji signifikansi secara parsial di dalam model regresi logistik dapat dilihat dari nilai

statistika yang berdasarkan distribusi normal (Z-Statistics). Z-Statistics dalam

penelitian ini digunakan untuk menguji tingkat signifikan masing-masing terhadap

variabel dependen secara statistic dengan menganggap variabel lainnya konstan. Untuk

Uji Z-Statistics dapat dilakukan dengan membandingkan nilai probabilitas terhadap α

(0,05), jika nilai probabilitas < α, maka Ho ditolak maka hal ini berarti variabel

independent mempengaruhi variabel dependen, sedangkan jika nilai probabilitas > α,

maka Ho diterima maka hal ini dapat dikatakan bahwa variabel independent tidak

mempengaruhi variabel dependen.

3.5.3.2 Uji Simultan (Likelihood Ratio Statistics)

Likelihood Ratio Statistic (LR) dalam penelitian ini digunakan untuk menguji

peranan variabel independen di dalam model secara bersama-sama atau untuk

mengetahui variabel-variabel independen secara simultan mempengaruhi variabel

dependen. LR statistik mengikuti distribusi χ2 dengan degree of freedom sama dengan

jumlah variabel independen. Hipotesis yang digunakan sebagai berikut:

H0 : Variabel independen secara bersama-sama tidak ada memiliki hubungan yang

signifikan terhadap variabel dependen.

Ha : variabel independen secara bersama-sama ada memiliki hubungan yang signifikan

terhadap variabel dependen.

Sehingga kriteria yang akan digunakan dalam pengambilan keputusan adalah

sebagai berikut:

a. Jika nilai chi-square hitung < nilai chi-square tabel dan probabilitas LR statistik

> 0,05 maka H0 diterima, maka hal ini berarti semua variabel independen secara

bersama-sama tidak mempengaruhi variabel dependen

b. Jika nilai chi-square hitung > nilai chi-square tabel dan probabilitas LR statistic

< 0,05 maka H0 ditolak, maka hal ini berarti semua variabel independen secara

bersama-sama mempengaruhi variabel dependen.

3.5.4 Pengujian Koefisien Determinasi Regresi (McFadden R-squared)

Dalam pengujian model logit nilai koefisien determinasi (R2) dalam eviews

adalah McFadden R-squared. Menurut Ghozali (2016:55-56) menyatakan bahwa

McFadden R-squared sebagai ukuran untuk mengetahui seberapa jauh kemampuan

model dalam menjelaskan nilai variabel dependen. Analisis koefisien determinasi

(McFadden R-squared) digunakan untuk menunjukkan seberapa besar variabel

dependen yang dapat dijelaskan oleh variabel independennya. Nilai koefisien

determinasi adalah antara 0 dan 1. Apabila nilai koefisien determinasi (McFadden R-

squared) yang kecil berarti kemampuan variabel-variabel independen dalam

menjelaskan variabel dependen sangat terbatas. Kelemahan yang mendasar pada

penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independent

yang dimasukkan ke dalam model.

Dalam penelitian ini, uji yang digunakan adalah McFadden R-squared.

Besarnya nilai yang dimiliki dari McFadden R-squared adalah dari 0 (nol) sampai 1

(satu). Semakin mendekati nilai 1 (satu) maka berarti model telah dianggap semakin

goodness of fit atau berarti variabel-variabel independen memberikan hampir semua

informasi yang dibutuhkan untuk memprediksi variabel dependen atau dengan kata lain

semakin besar kemampuan model dalam menjelaskan perubahan dari variabel

independen terhadap variabel dependen. Sementara sebaliknya semakin mendekati 0,

maka berarti semakin kecil kemampuan model dalam menjelaskan perubahan dari nilai

variabel dependen dan model dianggap semakin tidak goodness of fit. (Ghozali, 2017).