4. Supply-side [menghitung jumlah POS (Point Off Sale) terminals dan ATM (Automatic Teller Machine) per ZIP code]
4.10. Metode analisis
5.2.3. Kartu ATM
Sebelum melakukan estimasi persamaan sebaiknya terlebih dahulu dilakukan uji apakah antar variabel bebas mengandung multicolinaerity (Gujarati, 1997).
Pada Lampiran 4 dapat dilihat bahwa antar variabel bebas tidak mengandung multicolinaerity. Hal ini dicirikan oleh tidak terdapat korelasi antar variabel yang lebih dari 0,8. Sebagai salah satu contoh, korelasi antar variabel bebas X1 (jenis kelamin)dan X2 (umur) yaitu 0,309 (lebih kecil dari 0,8) sehingga dapat dikatakan tidak ada multicolinaerity.
Pada model awal regresi logistik didapatkan bahwa nilai LR Statistic (11 df) sebesar 39,961 dengan nilai probabilitas (LR Statistic) adalah sebesar 3,63 dapat disimpulkan semua variabel mempunyai dampak positif pada nilai akhir, dan persamaan dapat memasukkan semua variabel bebas. Meskipun uji G menunjukkan bahwa model persamaan baik, namun setelah dilakukan uji Wald,
ternyata koefisien variabel X1, X4, X6, X7, X9, X10, X11 tidak signifikan secara statistik pada taraf nyata α = 10% (Tabel 5.6).
Tabel 5.6. Alternatif Estimasi Regresi Logistik Kartu ATM Proba
bilitas
Model
Ke-1 Ke-2 Ke-3 Ke-4 Ke-5 Ke-6 Ke-7 Ke-8
X1 0,867 X2 0,147 0,122 0,133 0,144 0,133 0,080* 0,060* 0,062* X3 0,002 0,001 0,001 0,001 0,001* 0,001* 0,001* 0,001* X4 0,698 0,710 X5 0,103 0,100 0,084 0,025 0,022* 0,030* 0,035* 0,047* X6 0,260 0,261 0,283 0,320 0,299 0,317 0,364 X7 0,696 0,688 0,651 X8 0,009* 0,009* 0,009* 0,010* 0,006* 0,006* 0,004* 0,002* X9 0,650 0,641 0,644 0,684 X10 0,346 0,327 0,334 0,328 0,342 X11 0,404 0,398 0,426 0,416 0,429 0,400 Keterangan: * Nyata pada taraf α = 10 persen
Tabel 5.7. Hasil Akhir Regresi Logistik Kartu ATM
Variabel Koefisien Probabilitas Rasio Odds
C -4,861 0,000 (X2) Umur -0,426 0,062 1,531 (X3) Pendidikan 0,779 0,001 2,179 (X5) Pendapatan 0,317 0,047 1,373 (X8) Lokasi 1,422 0,002 4,145 LR Statistic (4 df) = 37,201 Probability (LR Stat) = 1,640 McFadden r-squared = 0,224 Log likelihood = -64,159 G = 2 {-64,159– [55ln (55)+ 65ln (65) –120ln (120)] } = 37,2 Keterangan: * Nyata pada taraf α = 10 persen
Variabel umur koefisiennya negatif 0,426 yang artinya jika masyarakat yang berusia lebih muda meningkat sebesar satu unit, maka tingkat penggunaan kartu ATM akan naik sebesar 0,426 unit. Rasio odds sebesar 1,531 artinya bahwa masyarakat yang usia lebih muda akan mempunyai kecenderungan peluang 1,531 kali untuk menggunakan kartu ATM dibandingkan masyarakat yang usianya lebih tua. Berarti semakin tua usia masyarakat tersebut, maka akan semakin rendah pula tingkat penggunaan kartu ATM. Umur juga memiliki pengaruh yang negatif di Belgia, orang yang berumur lebih tua akan cenderung lebih sedikit memiliki dan
menggunakan kartu ATM. Secara psikologis dapat dianalisis bahwa masyarakat yang berumur lebih muda akan memiliki kemauan dan kemampuan yang lebih dalam mengikuti trend, sehingga sesuai dengan hasil survei bahwa yang berusia lebih muda akan memiliki kecenderungan lebih besar untuk menggunakan kartu ATM dibanding yang berumur lebih tua (Ellen et. al., 2005).
Pada variabel pendidikan koefisien bertanda positif 0,779 yang berartijika pendidikan meningkat satu unit maka penggunaan kartu ATM juga akan meningkat sebesar 0,779 unit. Rasio odds sebesar 2,179 menunjukkan bahwa masyarakat yang berpendidikan lebih tinggi akan mempunyai kecenderungan peluang 2,179 kali untuk menggunakan kartu ATM dibandingkan masyarakat yang berpendidikan lebih rendah. Artinya semakin tinggi tingkat pendidikan masyarakat tersebut, maka semakin besar pula kemungkinan tingkat penggunaan kartu ATM. Hal ini juga tejadi di negara US dimana pendidikan berpengaruh terhadap keinginan masyarakat untuk mengadopsi teknologi baru (alat pembayaran elektronik) dalam hal ini kartu ATM, dimana masyarakat yang tingkat pendidikannya lebih tinggi akan lebih mampu dan bersedia untuk menggunakan alat pembayaran elektronik bila dibandingkan dengan masyarakat yang tingkat pendidikannya lebih rendah (Kim et. al., 2005).
Untuk variabel pendapatan koefisien bertanda positif 0,317 yang berarti jika pendapatan meningkat satu unit maka penggunaan kartu ATM juga akan meningkat sebesar 0,317 unit. Rasio odds sebesar 1,373 menunjukkan bahwa masyarakat yang berpendapatan lebih tinggi akan mempunyai kacenderungan peluang 1,373 kali untuk menggunakan kartu ATM dibandingkan masyarakat
yang berpendapatan lebih rendah. Artinya semakin tinggi tingkat pendapatan masyarakat tersebut, maka semakin besar pula kemungkinan tingkat penggunaan kartu ATM. Berdasarkan jurnal Ellen et. al. (2005), pendapatan merupakan variabel yang terbukti mempengaruhi jumlah penggunaan kartu ATM dengan hubungan yang positif, hal ini terjadi di Belgia. Menurut Engel et. al. (1994), masyarakat mempunyai tahap-tahap tertentu sebelum pengambilan keputusan untuk menggunakan suatu produk, salah satunya adalah pengenalan kebutuhan. Semakin tinggi tingkat pendapatan seseorang maka tingkat kebutuhannya juga akan meningkat, disamping jenis kebutuhan yang juga semakin beragam. Sehingga dapat disimpulkan bahwa secara psikologis masyarakat yang punya pendapatan yang lebih besar akan memilki kecenderungan yang lebih besar untuk menggunakan kartu ATM sebagai alat pembayarannya.
Pada variabel lokasi koefisien bertanda positif 1,422 yang berarti jika masyarakat yang tinggal di ibu kota porpinsi meningkat satu unit maka penggunaan kartu ATM juga akan meningkat sebesar 1,422 unit. Rasio odds sebesar 4,145 menunjukkan bahwa masyarakat yang tinggal di ibu kota propinsi akan mempunyai kacenderungan peluang 4,145 kali untuk menggunakan kartu ATM dibandingkan masyarakat yang tidak tinggal di ibu kota propinsi. Kenyataan yang terjadi di Indonesia ini, juga terjadi di Belgia, dimana lokasi mempunyai hubungan yang positif dengan penggunaan kartu pembayaran elektronik, semakin besar jumlah masyarakat yang tinggal di ibu kota propinsi, maka akan berpengaruh pada tingginya kecenderungan untuk memiliki dan menggunakan kartu pembayaran elektronik. Hal ini terjadi karena jumlah mesin ATM yang lebih
mudah ditemukan di ibu kota propinsi dibanding di luar ibu kota propinsi (Ellen
et. al., 2005). Hal ini juga sesuai dengan tulisan Engel et. al. 1994, yaitu
preferensi masyarakat juga dipengaruhi oleh faktor budaya, dimana lokasi seseorang tinggal akan mempengaruhi preferensinya terhadap penggunaan suatu produk.
Pada model ke-8 didapatkan nilai LR statistic (4 df) sebesar 37,201 dengan nilai probabilitas (LR stat) sebesar 1,640 artinya secara keseluruhan semua variabel bebas pada model ke-8 (X2, X3, X5, X8) mempunyai dampak positif pada hasil akhir.
Hasil penelitian ini membuktikan bahwa ada delapan variabel yang nyata mempengaruhi preferensi masyarakat dalam menggunakan kartu pembayaran elektronik, diantaranya; jenis kelamin, umur, pendidikan, pendapatan rata-rata per bulan, pengeluaran rata-rata per bulan, lokasi, teknologi dan motivasi. Faktor-faktor yang mempengaruhi ketiga kartu bervariasi, pada kartu kredit variabel yang mempengaruhi penggunaannya adalah: pendidikan, pengeluaran rata-rata per bulan, teknologi. Kartu debet dalam penggunaannya dipengaruhi oleh jenis kelamin, umur, pendapatan dan motivasi, sedangkan faktor-faktor yang terbukti mempengaruhi kartu ATM adalah; umur, pendidikan, pendapatan rata-rata per bulan, dan lokasi. Dimana ada variabel yang berpengaruh positif dan ada juga yang negatif. Jenis kelamin, umur memiliki koefisien yang negatif, artinya semakin meningkat usia maka semakin rendah penggunaan kartu pembayaran elektronik, dan semakin meningkat jumlah penduduk yang berjenis kelamin perempuan maka semakin tinggi tingkat penggunaan kartu debet. Sedangkan pendidikan, pendapatan rata-rata per bulan, pengeluaran rata-rata per bulan, lokasi, teknologi dan motivasi memiliki koefisien positif, artinya semakin meningkat nilai variabel-variabel tersebut maka semakin tinggi tingkat penggunaan kartu pembayaran elektronik.
Penelitian ini juga menganalisis peluang antara variabel yang mempengaruhi penggunaan kartu pembayaran elektronik. Diantaranya jenis kelamin yang berarti bahwa peluang masyarakat yang berjenis kelamin
perempuan akan lebih besar bila dibandingkan dengan masyarakat yang berjenis kelamin laki-laki untuk menggunakan kartu pembayaran elektronik. Masyarakat yang berumur lebih muda juga terbukti mempunyai peluang yang lebih untuk menggunakan kartu pembayaran elektronik bila dibandingkan dengan masyarakat yang berumur lebih tua. Selain itu pendidikan, pendapatan rata-rata per bulan, pengeluran rata-rata per bulan, lokasi, teknologi dan motivasi yang berbeda juga memberi peluang yang berbeda, dimana masyarakat yang berpendidikan lebih tinggi, pendapatan rata-rata per bulannya lebih besar, pengeluaran rata-ratanya lebih besar, tinggal di ibu kota propinsi, lebih mengenal teknologi, dan lebih memiliki motivasi akan memiliki peluang yang lebih besar untuk menggunakan kartu pembayaran elektronik bila dibandingkan dengan masyarakat yang memiliki ciri kebalikannya.
Berdasarkan hasil survei dan analisis yang telah dilakukan, bila dibandingkan antara masyarakat pengguna dengan masyarakat yang tidak menggunakan kartu pembayaran elektronik, memang lebih banyak masyarakat yang memilih tidak menggunakan kartu pembayaran elektronik. Tetapi secara statistik (Bank Indonesia, 2005) dapat dilihat bahwa penggunaan kartu pembayaran elektronik terus mengalami peningkatan dari tahun ke tahun.
Bila dibandingkan dengan negara lain (Belgia dan US), pada dasarnya terlihat adanya persamaan perilaku masyarakatnya dengan masyarakat Indonesia. Dapat dilihat bahwa secara umum faktor-faktor yang mempengaruhi penggunaan kartu pembayaran elektronik di Belgia dan US juga merupakan faktor-faktor yang mempengaruhi penggunaan kartu pembayaran elektronik di Indonesia.
6.2. Saran
Berdasarkan pada hasil penelitian disarankan pada Bank Indonesia, pihak bank dan perusahaan penerbit kartu serta pihak-pihak yang tekait perlu memperhatikan variabel-variabel yang nyata mempengaruhi penggunaan kartu pembayaran elektronik, diantaranya faktor: jenis kelamin, umur, pendidikan, pendapatan, pengeluaran, lokasi, teknologi, dan motivasi.
Berdasarkan faktor-faktor tersebut, maka pihak perbankan dan pihak terkait dengan pengeluaran kartu perlu memperhatikan jenis kelamin, maksudnya agar lebih intensif mempromosikannya pada perempuan. Selain itu juga harus diperhatikan umur, perbankan harus mampu membidik masyarakat usia muda untuk menjadi target pengguna kartunya. Pendidikan juga harus diperhatikan, masyarakat yang tingkat pendidikan yang lebih tinggi akan lebih potensial untuk dapat mengadopsi metode pembayaran yang baru (kartu pembayaran elektronik). Masyarakat yang tingkat pendapatan dan pengeluarannya lebih tinggi juga merupakan golongan masyarakat yang perlu diperhatikan untuk dijadikan pelanggan kartu pembayaran elektronik. Masyarakat yang tinggal di ibu kota propinsi akan mempunyai potensi yang lebih besar untuk dijadikan konsumen kartu pembayaran elektronik. Penguasaan teknologi juga mempengaruhi, untuk itu perbankan juga harus lebih sering mensosialisasikan kartu pembayaran yang dikeluarkannya kepada masyarakat, baik melalui media cetak maupun melalui media elektronik. Agar masyarakat mengenal bagaimana pengoperasian dan manfaat yang diperolehnya apabila menggunakan kartu pembayaran elektronik. Masyarakat juga mempunyai motivasi tertentu yaitu : keamanan, akurasi
transaksi, kecepatan transaksi, kemudahan, biaya transaksi, kenyamanan, dan efisiensi dalam menggunakan alat pembayaran elektronik, sehingga perbankan juga harus memperhatikannya hal-hal tesebut. Kepada Bank Indonesia sebagai lembaga otoritas moneter dalam rangka mewujudkan non cash society, disarankan membuat peraturan operasional yang jelas dan memperhatikan aspek hukum dan perlindungan pada masyarakat.
Indonesia.
Bank Indonesia. 2001. Laporan Tahunan Bank Indonesia Tahun 2000-2001 Tentang Alat Pembayaran Non Tunai Elektronik.
_____________. 2004. Peraturan Bank Indonesia Nomor 6/30/PBI/2004 tentang Penyelenggaraan Alat Pembayaran dengan Menggunakan Kartu.
_____________. 2005. Laporan Tahunan Bank Indonesia Tahun 2005 Tentang Alat Pembayaran Non Tunai Elektronik.
_____________. 2006. Data Base APMK. Direktorat Akunting dan Sistem Pembayaran, Jakarta.
_____________. 2006. “Overview Sistem Pembayaran Nasional di Indonesia”. www.bi.go.id/biweb/utama/ publikasi/upload/sistem-pembayaran.pdf [19 Februari 2006].
Biro Pusat Statistik. 2004. Statistika Indonesia. Balai Pustaka, Jakarta.
Engel, J. F., R. D. Blackwell, dan P. W. Miniard. 1994. Promotion Strategy :
Managing the Marketing Comonication Process, Boston.
Global Insight Visa Internasional. 2003. The Virtuous Circle: Electronic
Payments and Economic Growth. Visa International & Global Insight,
California.
Gujarati, D. 1997. Ekonomometrika Dasar. Zain dan Sukarno [penerjemah]. Erlangga, Jakarta.
Hayashi, F. dan E. Klee. 2003. “Technologi Adoption and Consumer Payments : Evidence from Survei Data”, Review of Network Economics, Vol. 2, No. 2, June 2003. p. 175-190.
Hosmer, D.W. dan S. Lemeshow. 1989. Applied Logistic Regression. John Willey Sons, Inc. New York.
Humprey, D B., B. Vale, dan M. Kim, 2001. “Realizing the Gains from Electronic Payments: Costs, Pricing, and Payment Choice”, Journal of Money, Credit
Januarti, I. 2005. Analisis preferensi Konsumen Terhadap Atribut Buah Duku di
Kota Palembang. [skripsi]. Bogor. Fakultas Pertanian. Institut Pertanian
Bogor.
Kennickell, A. B. dan M. L. Kwast. 1997. “Who Use Electronic Banking? Results From The 1995 Survey of Comsumer Finances”. Preliminary journal. Kim, B. M., R. Widdows dan T. Yilmazer. 2005. “The Determinant of Consumers
Adoption of Internet Banking”. Preliminary journal.
Klee, E. 2005. “Paper or Plastic? The Effect of Time on Check and Debet Card Use at Grocery Stores”. Preliminary journal.
Kotler, P. 2002. Manajemen Pemasaran. Jilid 1. Edisi Milenium. Prenhallindo, Jakarta.
Listfield, R dan F. Montes-Negret. 1994. “Modernizing Payment System in Emerging Economies”. World Bank Policy Research Working Paper, 1336 Loix, E., R. Pepermans dan L. V. Hove. 2005. “Who`s afraid of the cashless
society? Belgian Survei evidence”. Preliminary journal.
Mantel, B. 2000. “Why do consumers pay bills electronically? An emprirical analysis”. Economic Perspective. Federal Reserve Bank of Chicago, Fourth Quarter, 2000, p. 30-45.
Masassya, E. G. 2001. “Pakai Kartu atau Tunai?”. Investasi Keuangan. [Kompas Online], [Minggu, 8 Juli 2001].
Miles, M. B. dan A. M. Huberman. 1992. Analisis Data Kualitatif. Tjetjep Rohendi Rohidi [Penerjemeh]. UI Press, Jakarta.
Mishkin, F. S. 2001. The Economic of Money Banking, and Financial Markets.
Sixth Edition. Addison Wesley Longman: Columbia University, Columbia.
Nopirin. 1992. Ekonomi Moneter Buku I Edisi Keempat. BPFE, Yogyakarta. Nicholson, W. 1999. Teori Ekonomi Mikro. Edisi Kedua. PT. Raja Grafindo
Persada, Jakarta.
Raharja, M. B. 2004. Analisis Tingkat Kepuasan Pelanggan Terhadap Kualitas
Pelayanan (Studi kasus: Rumah Sakit Umum Pasar Rebo, Jakarta)
[Skripsi]. Bogor. Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Pertanian Bogor.
Sinaga, B. M. 1996. Motode Pengumpulan Data dalam Penelitian Sosial
Ekonomi. Di dalam: Institut Pertanian Bogor. Pelatihan Singkat
Metodologi dan Manajemen Penelitian Bidang Pertanian; Bogor, 16 Desember 1996 – 23 Desember 1996. Bogor: Institut pertanian Bogor. Shceft, S. L. 2005. “How and Why Consumer Choose Their Payment Method?”.
Preliminary journal.
Supranto. 2004. Ekonometri. Ghalia Indonesia, Jakarta.
Suyatno,T., T.D. Marala, dan A. Abdulah. 1994. Kelembagaan Perbankan: Edisi Revisi, STIE Perbanas dan Gramedia, Jakarta.
Republik Indonesia. Undang-Undang Republik Indonesia Nomor 3 tahun 2004 tentang Perubahan atas Undang-Undang Nomor 23 Tahun 1999 tentang Bank Indonesia.
Walpole, R E. 1982. Pengatar Statistika. Ir. Bambang Sumantri [Penerjemah]. P.T. Gramedia, Jakarta.
Warjiyo, P. 2006. Non-Cash Payments and Monetary Policy Implications in Indonesia. Di dalam: Bank Indonesia. Seminar Internasional “Toward
Less Cash Society in Indonesia”; Jakarta, 17 Mei 2006 – 18 Mei 2006.
Jakarta: Bank Indonesia.
Wardiana, W. 2002. Perkembangan Teknologi Informasi di Indonesia. Di dalam: Lembaga Ilmu Pengetahuan Indonesia. Seminar dan Pameran Teknologi Informasi Fakultas Teknik Universitas Komputer Indonesia; Bandung, 9 Juli 2002. Bandung: Lembaga Ilmu Pengetahuan Indonesia.
Zinman, J. 2005. “Debet or Credit: Consumer Choise in A Trilliun Dollar Market”. Federal Reserve Bank of New York Staff Report No. 191.
No Kredit Debet ATM Kelamin Info 0/1 0/1 0/1 0/1 1/2.../6 1/2.../7 1/2…/11 1/2.../7 1/2.../7 1/2.../7 0/1 0/1 1/2.../9 1/2.../8 1 0 0 0 0 2 4 10 2 1 2 1 1 7 1 2 1 1 1 0 3 5 8 6 2 3 1 1 4 8 3 0 1 0 0 2 6 8 5 1 2 1 1 1 7 4 0 0 0 1 1 4 10 2 1 2 0 1 1 1 5 0 1 1 0 1 4 10 2 1 2 1 0 4 1 6 0 0 0 0 4 4 9 2 1 2 1 0 1 1 7 0 0 0 1 3 4 3 3 2 2 1 1 4 8 8 1 1 0 1 1 5 8 4 1 4 1 1 1 1 9 1 1 1 0 1 6 8 5 2 4 1 1 1 7 10 0 0 0 1 1 6 8 2 1 2 1 1 4 1 11 1 1 1 1 2 6 3 3 1 2 0 1 1 1 12 0 0 0 1 2 5 10 4 1 2 1 1 4 3 13 0 1 1 1 2 6 8 3 1 2 1 0 1 1 14 0 0 1 1 1 6 8 2 1 2 1 1 7 1 15 0 0 0 1 3 2 8 2 1 2 1 1 1 1 16 0 0 0 0 1 4 10 2 1 2 1 0 3 1 17 0 0 1 0 1 5 8 2 0 2 1 0 4 1 18 1 0 1 1 4 6 8 3 1 2 1 1 4 1 19 0 0 1 0 4 6 9 2 1 2 1 1 1 1 20 0 0 1 0 1 6 8 2 1 2 0 0 4 1 21 0 0 0 0 2 5 8 3 1 3 0 1 1 1 22 0 0 0 1 1 4 10 2 0 2 0 0 4 1 23 0 1 1 0 1 4 8 3 2 2 0 1 4 1 24 1 0 0 1 3 7 8 2 1 2 0 1 1 7 25 0 0 0 0 1 4 10 2 0 2 1 1 1 1 26 0 0 0 0 1 4 11 4 0 2 0 1 1 1 27 0 0 0 0 1 5 8 2 1 2 0 1 4 1 28 0 1 1 0 2 5 8 3 2 3 0 0 4 7 29 1 1 1 1 2 6 8 4 2 2 1 1 4 1 30 1 0 0 0 2 4 8 2 1 2 1 1 4 1 31 0 0 0 0 2 4 8 2 1 2 1 0 4 1 32 0 0 1 1 5 7 3 7 4 7 1 0 5 2 33 0 0 1 1 1 5 8 3 1 2 1 0 3 1 34 0 1 1 0 2 5 8 4 2 2 1 1 7 1 35 0 1 1 0 1 6 11 2 0 2 1 1 4 1 36 1 1 1 0 2 6 3 6 2 6 1 0 4 1 37 0 1 1 0 2 6 8 3 2 2 1 1 4 8
41 0 0 1 1 3 4 8 2 0 2 0 0 4 7 42 1 0 1 1 2 6 8 2 1 2 0 0 1 1 43 1 1 0 0 2 6 8 3 1 2 0 0 7 1 44 0 0 1 1 2 5 8 2 1 2 0 0 6 3 45 0 0 0 1 3 6 8 2 1 2 0 0 1 2 46 1 0 1 1 2 4 8 2 1 2 0 0 1 1 47 0 0 1 0 2 6 8 5 1 4 0 0 1 1 48 1 1 1 0 2 6 8 3 1 3 1 0 4 1 49 1 0 1 0 3 6 8 4 1 3 1 0 1 3 50 1 0 1 1 2 6 8 3 2 2 1 1 1 2 51 1 1 1 1 2 6 8 3 1 2 1 1 1 1 52 0 0 1 0 1 6 8 2 1 2 1 1 4 0 53 1 1 0 0 3 4 8 2 1 2 1 0 4 7 54 1 1 1 1 2 6 8 2 1 2 0 1 3 1 55 1 0 0 0 2 5 8 2 1 2 1 1 1 1 56 0 0 1 1 4 5 8 4 1 2 1 0 1 1 57 1 0 1 1 1 6 8 2 1 2 0 0 1 1 58 0 0 1 1 2 6 8 5 2 4 1 0 3 7 59 1 0 1 0 2 5 8 3 1 2 0 1 1 7 60 1 0 1 0 3 6 3 7 4 5 1 1 2 1 61 1 1 1 0 2 6 8 6 6 3 1 0 7 1 62 1 0 1 0 3 6 7 6 1 5 1 1 3 7 63 1 0 1 1 3 6 8 3 1 2 1 1 1 7 64 0 0 1 1 3 7 7 5 1 4 1 1 1 7 65 1 0 1 1 3 6 7 5 1 3 1 1 7 7 66 0 0 1 1 2 6 1 5 3 2 1 1 7 7 67 1 0 1 1 5 6 9 4 1 2 1 1 1 7 68 0 0 1 1 5 5 3 6 3 5 1 1 1 7 69 1 0 1 1 4 5 2 6 3 5 1 1 1 7 70 1 0 1 0 3 5 7 6 2 3 1 1 1 7 71 0 0 1 1 4 6 7 5 1 3 1 0 7 7 72 1 1 1 1 2 6 7 4 1 4 1 1 7 3 73 0 1 1 0 1 6 8 2 1 1 1 0 1 1 74 1 1 1 1 3 6 8 6 4 4 1 1 3 7 75 0 1 1 0 1 5 8 2 1 2 1 1 4 1 76 0 1 1 0 1 5 8 3 2 1 1 0 7 7 77 1 1 1 0 2 5 7 3 2 3 1 1 6 7 78 0 1 1 0 1 6 8 2 1 1 1 1 4 2 79 1 0 1 1 3 6 7 3 1 2 1 0 7 6
83 0 0 1 1 3 6 8 2 1 2 1 1 1 1 84 0 0 0 0 2 4 8 2 1 2 1 0 1 7 85 0 0 1 1 2 6 8 3 1 2 1 0 4 1 86 0 0 1 1 3 6 7 5 2 2 1 0 4 1 87 0 0 0 1 2 6 7 2 1 2 1 0 1 1 88 0 0 0 1 1 6 8 2 1 2 1 0 1 7 89 0 0 0 1 5 2 6 6 4 4 1 0 1 0 90 0 0 0 1 4 2 7 3 1 2 1 0 4 0 91 0 0 0 1 2 4 8 2 1 2 1 0 4 7 92 1 0 0 1 2 6 8 4 1 2 1 1 4 7 93 0 0 0 1 3 6 8 5 2 4 1 0 4 7 94 0 0 0 0 3 6 11 4 0 3 1 0 4 1 95 0 0 1 1 2 5 8 1 0 4 1 0 6 1 96 1 0 0 1 3 6 3 2 1 2 1 1 6 7 97 0 0 0 1 4 4 7 3 1 2 1 0 1 1 98 0 0 1 0 2 7 8 3 2 1 1 0 1 1 99 0 0 1 0 4 4 1 6 1 5 1 0 4 7 100 1 0 1 1 3 7 7 6 2 5 1 0 4 7 101 0 0 0 1 4 4 8 3 1 3 0 0 4 8 102 0 0 0 1 4 4 7 2 0 2 0 1 4 8 103 0 0 0 1 3 6 4 6 2 4 0 0 1 2 104 0 0 0 0 2 6 11 1 6 4 0 0 9 1 105 1 0 0 0 3 4 11 1 1 6 0 0 1 0 106 0 0 0 1 2 6 7 2 1 2 0 0 1 1 107 0 0 0 1 4 6 7 2 1 2 0 0 4 1 108 0 0 0 1 4 5 2 7 7 7 0 0 1 7 109 1 0 0 1 2 5 2 6 7 3 0 0 1 3 110 0 1 0 1 2 6 8 4 2 2 0 0 4 7 111 0 0 0 1 3 6 7 2 0 2 0 0 1 0 112 0 0 0 0 4 4 3 7 7 6 0 0 1 1 113 0 0 0 0 3 4 11 1 1 2 0 0 4 7 114 0 0 0 1 3 6 7 3 2 2 0 0 4 7 115 0 0 1 1 2 6 8 4 1 4 0 0 1 7 116 1 0 0 0 4 5 3 6 3 5 0 0 9 7 117 0 0 0 1 3 4 7 2 1 3 0 0 1 1 118 0 0 0 0 3 6 2 2 1 2 0 0 1 7 119 0 0 0 1 4 6 8 5 1 2 0 1 4 7 120 0 0 0 0 2 6 8 2 1 1 0 0 3 0
KK X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 KK 1 -0.03576 -1.35E-17 0.230415 -0.138457 0.238527 0.127973 0.19672 0.0875 0.284268 0.038423 0.127062 X1 -0.03576 1 0.309175 0.050903 -0.165623 0.033586 -0.029667 -0.01956 -0.03576 -0.035579 -0.139364 0.118714 X2 -1.35E-17 0.309175 1 -0.208981 -0.335022 0.353457 0.206281 0.353659 0.032061 -0.101013 -0.139909 0.259881 X3 0.230415 0.050903 -0.208981 1 -0.161723 0.208162 0.081072 0.072081 -3.44E-17 0.070594 0.093592 0.149266 X4 -0.138457 -0.165623 -0.335022 -0.161723 1 -0.554032 -0.482038 -0.455102 0.032578 0.023538 0.004918 -0.279347 X5 0.238527 0.033586 0.353457 0.208162 -0.554032 1 0.594582 0.678025 0.152806 0.062508 0.01923 0.315074 X6 0.127973 -0.029667 0.206281 0.081072 -0.482038 0.594582 1 0.532633 -0.075019 -0.101609 0.087685 0.107122 X7 0.19672 -0.01956 0.353659 0.072081 -0.455102 0.678025 0.532633 1 -0.02399 -0.116616 0.010798 0.170296 X8 0.0875 -0.03576 0.032061 -3.44E-17 0.032578 0.152806 -0.075019 -0.02399 1 0.248734 0.109781 0.024202 X9 0.284268 -0.035579 -0.101013 0.070594 0.023538 0.062508 -0.101609 -0.116616 0.248734 1 -0.019504 0.088579 X10 0.038423 -0.139364 -0.139909 0.093592 0.004918 0.01923 0.087685 0.010798 0.109781 -0.019504 1 0.120559 X11 0.127062 0.118714 0.259881 0.149266 -0.279347 0.315074 0.107122 0.170296 0.024202 0.088579 0.120559 1
KD X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 KD 1 -0.302225 -0.366731 0.143356 0.086771 0.071616 0.058069 -0.064855 0.151411 0.193686 0.21382 -0.016157 X1 -0.302225 1 0.309175 0.050903 -0.165623 0.033586 -0.029667 -0.01956 -0.03576 -0.035579 -0.139364 0.118714 X2 -0.366731 0.309175 1 -0.208981 -0.335022 0.353457 0.206281 0.353659 0.032061 -0.101013 -0.139909 0.259881 X3 0.143356 0.050903 -0.208981 1 -0.161723 0.208162 0.081072 0.072081 -3.44E-17 0.070594 0.093592 0.149266 X4 0.086771 -0.165623 -0.335022 -0.161723 1 -0.554032 -0.482038 -0.455102 0.032578 0.023538 0.004918 -0.279347 X5 0.071616 0.033586 0.353457 0.208162 -0.554032 1 0.594582 0.678025 0.152806 0.062508 0.01923 0.315074 X6 0.058069 -0.029667 0.206281 0.081072 -0.482038 0.594582 1 0.532633 -0.075019 -0.101609 0.087685 0.107122 X7 -0.064855 -0.01956 0.353659 0.072081 -0.455102 0.678025 0.532633 1 -0.02399 -0.116616 0.010798 0.170296 X8 0.151411 -0.03576 0.032061 -3.44E-17 0.032578 0.152806 -0.075019 -0.02399 1 0.248734 0.109781 0.024202 X9 0.193686 -0.035579 -0.101013 0.070594 0.023538 0.062508 -0.101609 -0.116616 0.248734 1 -0.019504 0.088579 X10 0.21382 -0.139364 -0.139909 0.093592 0.004918 0.01923 0.087685 0.010798 0.109781 -0.019504 1 0.120559 X11 -0.016157 0.118714 0.259881 0.149266 -0.279347 0.315074 0.107122 0.170296 0.024202 0.088579 0.120559 1
KA X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 KA 1 -0.04652 -0.14977 0.383309 -0.074166 0.226552 0.007306 0.084547 0.307482 0.159686 0.13697 0.022182 X1 -0.04652 1 0.309175 0.050903 -0.165623 0.033586 -0.029667 -0.01956 -0.03576 -0.035579 -0.139364 0.118714 X2 -0.14977 0.309175 1 -0.208981 -0.335022 0.353457 0.206281 0.353659 0.032061 -0.101013 -0.139909 0.259881 X3 0.383309 0.050903 -0.208981 1 -0.161723 0.208162 0.081072 0.072081 -3.44E-17 0.070594 0.093592 0.149266 X4 -0.074166 -0.165623 -0.335022 -0.161723 1 -0.554032 -0.482038 -0.455102 0.032578 0.023538 0.004918 -0.279347 X5 0.226552 0.033586 0.353457 0.208162 -0.554032 1 0.594582 0.678025 0.152806 0.062508 0.120559 0.315074 X6 0.007306 -0.029667 0.206281 0.081072 -0.482038 0.594582 1 0.532633 -0.075019 -0.101609 0.087685 0.107122 X7 0.084547 -0.01956 0.353659 0.072081 -0.455102 0.678025 0.532633 1 -0.02399 -0.116616 0.010798 0.170296 X8 0.307482 -0.03576 0.032061 -3.44E-17 0.032578 0.152806 -0.075019 -0.02399 1 0.248734 0.109781 0.024202 X9 0.159686 -0.035579 -0.101013 0.070594 0.023538 0.062508 -0.101609 -0.116616 0.248734 1 -0.019504 0.088579 X10 0.13697 -0.139364 -0.139909 0.093592 0.004918 0.01923 0.087685 0.010798 0.109781 -0.019504 1 0.120559 X11 0.022182 0.118714 0.259881 0.149266 -0.279347 0.315074 0.107122 0.170296 0.024202 0.088579 0.01923 1
Lampiran 5. Hasil regresi logistik kartu kredit Hasil regresi logistik kartu kredit ke-1
Dependent Variable: KK
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 18:00
Sample: 1 120
Included observations: 120
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -5.003297 2.023360 -2.472766 0.0134 JENISKELAMIN -0.241547 0.479296 -0.503962 0.6143 UMUR -0.084363 0.255145 -0.330646 0.7409 PENDIDIKAN 0.507638 0.255935 1.983461 0.0473 PEKERJAAN -0.014986 0.120330 -0.124544 0.9009 PENDAPATAN 0.055522 0.222182 0.249894 0.8027 TABUNGAN 0.046733 0.203071 0.230132 0.8180 PENGELUARAN 0.343524 0.250113 1.373475 0.1696 LOKASI -0.048547 0.503838 -0.096354 0.9232 TEKNOLOGI 1.408371 0.475953 2.959057 0.0031 MOTIVASI 0.015002 0.100538 0.149215 0.8814 SUMBERINFO 0.032749 0.084401 0.388012 0.6980 Mean dependent var 0.333333 S.D. dependent var 0.473381
S.E. of regression 0.448435 Akaike info criterion 1.277356 Sum squared resid 21.71814 Schwarz criterion 1.556105 Log likelihood -64.64137 Hannan-Quinn criter. 1.390557 Restr. log likelihood -76.38170 Avg. log likelihood -0.538678 LR statistic (11 df) 23.48067 McFadden R-squared 0.153706 Probability(LR stat) 0.015109
Obs with Dep=0 80 Total obs 120 Obs with Dep=1 40
Hasil regresi logistik kartu kredit ke-2
Dependent Variable: KK
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 18:04
Sample: 1 120
Included observations: 120
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -4.998705 2.020254 -2.474295 0.0133 JENISKELAMIN -0.241610 0.479240 -0.504154 0.6142 UMUR -0.085029 0.254985 -0.333467 0.7388 PENDIDIKAN 0.505501 0.254413 1.986936 0.0469 PEKERJAAN -0.015736 0.120139 -0.130986 0.8958 PENDAPATAN 0.050666 0.216467 0.234060 0.8149 TABUNGAN 0.050057 0.200236 0.249990 0.8026 PENGELUARAN 0.344901 0.249693 1.381302 0.1672 TEKNOLOGI 1.396979 0.460431 3.034065 0.0024 MOTIVASI 0.013183 0.098752 0.133492 0.8938 SUMBERINFO 0.033194 0.084254 0.393978 0.6936 Mean dependent var 0.333333 S.D. dependent var 0.473381
S.E. of regression 0.446294 Akaike info criterion 1.260767 Sum squared resid 21.71047 Schwarz criterion 1.516287 Log likelihood -64.64601 Hannan-Quinn criter. 1.364535 Restr. log likelihood -76.38170 Avg. log likelihood -0.538717 LR statistic (10 df) 23.47139 McFadden R-squared 0.153645 Probability(LR stat) 0.009134
Obs with Dep=0 80 Total obs 120 Obs with Dep=1 40
Lampiran 5. Hasil regresi logistik kartu kredit (lanjutan) Hasil regresi logistik kartu kredit ke-3
Dependent Variable: KK
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 18:06
Sample: 1 120
Included observations: 120
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -5.165359 1.569306 -3.291493 0.0010 JENISKELAMIN -0.232224 0.474190 -0.489728 0.6243 UMUR -0.080828 0.252645 -0.319927 0.7490 PENDIDIKAN 0.504996 0.253950 1.988565 0.0467 PENDAPATAN 0.055966 0.212176 0.263771 0.7920 TABUNGAN 0.055945 0.195159 0.286665 0.7744 PENGELUARAN 0.347753 0.248186 1.401179 0.1612 TEKNOLOGI 1.397398 0.460491 3.034585 0.0024 MOTIVASI 0.013047 0.098761 0.132103 0.8949 SUMBERINFO 0.034394 0.083739 0.410730 0.6813 Mean dependent var 0.333333 S.D. dependent var 0.473381
S.E. of regression 0.444284 Akaike info criterion 1.244243 Sum squared resid 21.71270 Schwarz criterion 1.476534 Log likelihood -64.65458 Hannan-Quinn criter. 1.338577 Restr. log likelihood -76.38170 Avg. log likelihood -0.538788 LR statistic (9 df) 23.45425 McFadden R-squared 0.153533 Probability(LR stat) 0.005253
Obs with Dep=0 80 Total obs 120 Obs with Dep=1 40
Hasil regresi logistik kartu kredit ke-4
Dependent Variable: KK
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 18:07
Sample: 1 120
Included observations: 120
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -5.166703 1.902807 -2.715305 0.0066 JENISKELAMIN -0.294528 0.457112 -0.644324 0.5194 PENDIDIKAN 0.519090 0.248853 2.085929 0.0370 PEKERJAAN -0.010256 0.118757 -0.086359 0.9312 PENDAPATAN 0.040223 0.214038 0.187925 0.8509 TABUNGAN 0.056117 0.198631 0.282520 0.7775 PENGELUARAN 0.330080 0.245366 1.345255 0.1785 TEKNOLOGI 1.409283 0.458593 3.073060 0.0021 SUMBERINFO 0.027674 0.080892 0.342113 0.7323 Mean dependent var 0.333333 S.D. dependent var 0.473381
S.E. of regression 0.442392 Akaike info criterion 1.228608 Sum squared resid 21.72393 Schwarz criterion 1.437670 Log likelihood -64.71650 Hannan-Quinn criter. 1.313509 Restr. log likelihood -76.38170 Avg. log likelihood -0.539304 LR statistic (8 df) 23.33040 McFadden R-squared 0.152722 Probability(LR stat) 0.002965
Obs with Dep=0 80 Total obs 120 Obs with Dep=1 40
Lampiran 5. Hasil regresi logistik kartu kredit (lanjutan) Hasil regresi logistik kartu kredit ke-5
Dependent Variable: KK
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 18:08
Sample: 1 120
Included observations: 120
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -5.173289 1.528615 -3.384300 0.0007 JENISKELAMIN -0.245384 0.469983 -0.522113 0.6016 UMUR -0.075221 0.248488 -0.302715 0.7621 PENDIDIKAN 0.519623 0.249072 2.086234 0.0370 TABUNGAN 0.076724 0.181540 0.422627 0.6726 PENGELUARAN 0.380072 0.212499 1.788586 0.0737 TEKNOLOGI 1.418404 0.451801 3.139447 0.0017 SUMBERINFO 0.041701 0.079739 0.522965 0.6010 Mean dependent var 0.333333 S.D. dependent var 0.473381
S.E. of regression 0.440772 Akaike info criterion 1.211608 Sum squared resid 21.75933 Schwarz criterion 1.397441 Log likelihood -64.69650 Hannan-Quinn criter. 1.287076 Restr. log likelihood -76.38170 Avg. log likelihood -0.539137 LR statistic (7 df) 23.37040 McFadden R-squared 0.152984 Probability(LR stat) 0.001469
Obs with Dep=0 80 Total obs 120 Obs with Dep=1 40
Hasil regresi logistik kartu kredit ke-6
Dependent Variable: KK
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/25/06 Time: 23:03
Sample: 1 120
Included observations: 120
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -5.297182 1.467692 -3.609192 0.0003 JENISKELAMIN -0.287197 0.448816 -0.639899 0.5222 PENDIDIKAN 0.527901 0.245184 2.153081 0.0313 TABUNGAN 0.074168 0.181613 0.408382 0.6830 PENGELUARAN 0.360542 0.202584 1.779711 0.0751 TEKNOLOGI 1.426260 0.451312 3.160255 0.0016 SUMBERINFO 0.034139 0.075648 0.451292 0.6518 Mean dependent var 0.333333 S.D. dependent var 0.473381
S.E. of regression 0.438760 Akaike info criterion 1.195708 Sum squared resid 21.75362 Schwarz criterion 1.358311 Log likelihood -64.74246 Hannan-Quinn criter. 1.261742 Restr. log likelihood -76.38170 Avg. log likelihood -0.539520 LR statistic (6 df) 23.27848 McFadden R-squared 0.152383 Probability(LR stat) 0.000708
Obs with Dep=0 80 Total obs 120 Obs with Dep=1 40
Lampiran 5. Hasil regresi logistik kartu kredit (lanjutan) Hasil regresi logistik kartu kredit ke-7
Dependent Variable: KK
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 18:19
Sample: 1 120
Included observations: 120
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -5.299720 1.466948 -3.612752 0.0003 JENISKELAMIN -0.291997 0.448744 -0.650697 0.5152 PENDIDIKAN 0.529973 0.245311 2.160415 0.0307 PENGELUARAN 0.401929 0.175265 2.293256 0.0218 TEKNOLOGI 1.412666 0.449315 3.144045 0.0017 SUMBERINFO 0.035264 0.075455 0.467351 0.6402 Mean dependent var 0.333333 S.D. dependent var 0.473381
S.E. of regression 0.436545 Akaike info criterion 1.180410 Sum squared resid 21.72512 Schwarz criterion 1.319785 Log likelihood -64.82462 Hannan-Quinn criter. 1.237011 Restr. log likelihood -76.38170 Avg. log likelihood -0.540205 LR statistic (5 df) 23.11415 McFadden R-squared 0.151307 Probability(LR stat) 0.000321
Obs with Dep=0 80 Total obs 120 Obs with Dep=1 40
Hasil regresi logistik kartu kredit ke-8
Dependent Variable: KK
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/25/06 Time: 23:08
Sample: 1 120
Included observations: 120
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -5.291442 1.463834 -3.614782 0.0003 JENISKELAMIN -0.254398 0.440196 -0.577919 0.5633
PENDIDIKAN 0.536368 0.243412 2.203537 0.0276 PENGELUARAN 0.418416 0.172178 2.430134 0.0151
TEKNOLOGI 1.436487 0.446731 3.215550 0.0013 Mean dependent var 0.333333 S.D. dependent var 0.473381
S.E. of regression 0.435265 Akaike info criterion 1.165556 Sum squared resid 21.78739 Schwarz criterion 1.281701 Log likelihood -64.93334 Hannan-Quinn criter. 1.212723 Restr. log likelihood -76.38170 Avg. log likelihood -0.541111 LR statistic (4 df) 22.89672 McFadden R-squared 0.149884 Probability(LR stat) 0.000133
Obs with Dep=0 80 Total obs 120 Obs with Dep=1 40
Lampiran 5. Hasil regresi logistik kartu kredit (lanjutan) Hasil regresi logistik kartu kredit ke-9
Dependent Variable: KK
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 18:14
Sample: 1 120
Included observations: 120
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -5.286680 1.435104 -3.683832 0.0002 PENDIDIKAN 0.507894 0.233245 2.177514 0.0294 PENGELUARAN 0.421039 0.173015 2.433544 0.0150
TEKNOLOGI 1.440016 0.446003 3.228717 0.0012 Mean dependent var 0.333333 S.D. dependent var 0.473381
S.E. of regression 0.433603 Akaike info criterion 1.151679 Sum squared resid 21.80939 Schwarz criterion 1.244595 Log likelihood -65.10074 Hannan-Quinn criter. 1.189413 Restr. log likelihood -76.38170 Avg. log likelihood -0.542506 LR statistic (3 df) 22.56192 McFadden R-squared 0.147692 Probability(LR stat) 4.98E-05
Obs with Dep=0 80 Total obs 120 Obs with Dep=1 40
Lampiran 6. Hasil regresi logistik kartu debet Hasil regresi logistik kartu debet ke-1
Dependent Variable: KD
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 19:06
Sample: 1 120
Included observations: 120
Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -3.646790 2.694500 -1.353420 0.1759 JENISKELAMIN -1.179655 0.569546 -2.071219 0.0383 UMUR -1.393165 0.446727 -3.118605 0.0018 PENDIDIKAN 0.510368 0.357621 1.427119 0.1535 PEKERJAAN 0.065839 0.163984 0.401499 0.6881 PENDAPATAN 0.499541 0.300035 1.664940 0.0959 TABUNGAN 0.151389 0.254451 0.594962 0.5519 PENGELUARAN -0.247684 0.334130 -0.741280 0.4585 LOKASI 0.412635 0.626375 0.658767 0.5100 TEKNOLOGI 0.582019 0.556526 1.045809 0.2956 MOTIVASI 0.186962 0.127016 1.471955 0.1410 SUMBERINFO 0.080618 0.109575 0.735733 0.4619 Mean dependent var 0.241667 S.D. dependent var 0.429888
S.E. of regression 0.370109 Akaike info criterion 0.962288 Sum squared resid 14.79394 Schwarz criterion 1.241037 Log likelihood -45.73726 Hannan-Quinn criter. 1.075489 Restr. log likelihood -66.35921 Avg. log likelihood -0.381144 LR statistic (11 df) 41.24390 McFadden R-squared 0.310762 Probability(LR stat) 2.19E-05
Obs with Dep=0 91 Total obs 120 Obs with Dep=1 29
Hasil regresi logistik kartu debet ke-2
Dependent Variable: KD
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 19:07
Sample: 1 120
Included observations: 120
Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -2.904083 1.946794 -1.491726 0.1358 JENISKELAMIN -1.205373 0.565803 -2.130378 0.0331 UMUR -1.409070 0.444033 -3.173348 0.0015 PENDIDIKAN 0.498630 0.354022 1.408470 0.1590 PENDAPATAN 0.473334 0.292342 1.619114 0.1054 TABUNGAN 0.127770 0.246920 0.517455 0.6048 PENGELUARAN -0.252000 0.335640 -0.750803 0.4528 LOKASI 0.418687 0.623842 0.671142 0.5021 TEKNOLOGI 0.582076 0.556151 1.046615 0.2953 MOTIVASI 0.187620 0.126606 1.481928 0.1384 SUMBERINFO 0.080562 0.109382 0.736519 0.4614 Mean dependent var 0.241667 S.D. dependent var 0.429888
S.E. of regression 0.369206 Akaike info criterion 0.946978 Sum squared resid 14.85811 Schwarz criterion 1.202499 Log likelihood -45.81871 Hannan-Quinn criter. 1.050746 Restr. log likelihood -66.35921 Avg. log likelihood -0.381823 LR statistic (10 df) 41.08101 McFadden R-squared 0.309535 Probability(LR stat) 1.09E-05
Obs with Dep=0 91 Total obs 120 Obs with Dep=1 29
Lampiran 6. Hasil regresi logistik kartu debet (lanjutan) Hasil regresi logistik kartu debet ke-3
Dependent Variable: KD
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 19:08
Sample: 1 120
Included observations: 120
Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -2.926309 1.954558 -1.497171 0.1343 JENISKELAMIN -1.204443 0.565108 -2.131350 0.0331 UMUR -1.405780 0.442128 -3.179580 0.0015 PENDIDIKAN 0.506220 0.355666 1.423301 0.1546 PENDAPATAN 0.520441 0.282542 1.841994 0.0655 PENGELUARAN -0.244919 0.337179 -0.726377 0.4676 LOKASI 0.361030 0.611188 0.590702 0.5547 TEKNOLOGI 0.548115 0.549412 0.997639 0.3185 MOTIVASI 0.202878 0.122995 1.649482 0.0990 SUMBERINFO 0.077736 0.108777 0.714635 0.4748 Mean dependent var 0.241667 S.D. dependent var 0.429888
S.E. of regression 0.368131 Akaike info criterion 0.932478 Sum squared resid 14.90723 Schwarz criterion 1.164768 Log likelihood -45.94865 Hannan-Quinn criter. 1.026812 Restr. log likelihood -66.35921 Avg. log likelihood -0.382905 LR statistic (9 df) 40.82113 McFadden R-squared 0.307577 Probability(LR stat) 5.39E-06
Obs with Dep=0 91 Total obs 120 Obs with Dep=1 29
Hasil regresi logistik kartu debet ke-4
Dependent Variable: KD
Method: ML - Binary Logit (Quadratic hill climbing) Date: 07/22/06 Time: 19:10
Sample: 1 120
Included observations: 120
Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob. C -2.877398 1.969728 -1.460810 0.1441 JENISKELAMIN -1.200027 0.561031 -2.138969 0.0324 UMUR -1.421836 0.442944 -3.209968 0.0013 PENDIDIKAN 0.528506 0.355544 1.486472 0.1372 PENDAPATAN 0.538404 0.277297 1.941615 0.0522 PENGELUARAN -0.251698 0.333683 -0.754303 0.4507 TEKNOLOGI 0.616791 0.536571 1.149506 0.2503 MOTIVASI 0.211000 0.121038 1.743248 0.0813 SUMBERINFO 0.079832 0.108399 0.736463 0.4614 Mean dependent var 0.241667 S.D. dependent var 0.429888
S.E. of regression 0.367202 Akaike info criterion 0.918761 Sum squared resid 14.96698 Schwarz criterion 1.127823 Log likelihood -46.12568 Hannan-Quinn criter. 1.003662 Restr. log likelihood -66.35921 Avg. log likelihood -0.384381 LR statistic (8 df) 40.46707 McFadden R-squared 0.304909 Probability(LR stat) 2.62E-06
Obs with Dep=0 91 Total obs 120