48
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini ialah metode analisis statistik yang menggunakan persamaan regresi linier berganda. Langkah awal analisis data dimulai dengan
input atau entry data data angka yang terdapat pada laporan keuangan yang dibutuhkan dengan
menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan pengujian regresi berganda
dilakukan dengan menggunakan software SPSS Statistical Package for Social Science. Adapun perangkat lunak SPSS yang digunakan adalah SPSS Statistics 21.0. Prosedur dimulai dengan
memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output- output sesuai metode analisis data yang digunakan.
Penelitian ini menggunakan perusahaan perbankan yang sesuai kriteria yang telah ditentukan sebagai sampel penelitian. Berdasarkan kriteria sampel, terdapat 29 perusahaan setiap tahun
dengan jumlah pengamatan 5 tahun sehingga jumlah sampel terdapat sebanyak 145 data perusahaan. Data yang diperoleh dari laporan keuangan dan laporan auditor independen yang
diterbitkan oleh Bursa Efek Indonesia melalui situs www.idx.co.id.
49
4.2 Analisis Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
“Statistik Deskriptif Desciptive Statistic adalah menu yang memberikan gambaran mengenai nilai Mean, Sum, Standar Deviasi, Variance, Range, Minimum, dan Maximum”
Lubis, dkk 2007:25. Untuk data yang berupa kategori digunakan sub menu deskriptif frequancies
. Variabel penelitian ini terdiri dari dana piha ketiga, loan to deposit ratio, capital
adequacy ratio, non performing loan, return on asset dan suku bunga SBI sebagai variabel
bebas independent variabel dan jumlah penyaluran kredit sebagai variabel terikat dependent variabel.
Statistik deskriptif dari variabel bebas dan terikat pada sampel perusahaan perbankan selama periode 2009-2013 disajikan dalam tabel 4.1 berikut ini.
Tabel 4.1 Statistik Deskriptif Variabel-Variabel Penelitian
Descriptive Statistics
N Minimum Maximum
Mean Std.
Deviation LN_DPK
145 21,43
33,95 29,2406 3,37674
LDR 145
8,11 889,26 84,0866
69,08342 CAR
145 3,29
48,00 17,4652 7,33237
NPL 145
,14 27,90
3,1210 4,02934
ROA 145
-12,90 5,15
1,7486 2,13934
SBI 145
5,80 7,50
6,4600 ,59060
LN_KREDIT 145
21,19 33,79 28,9960
3,42658 Valid N listwise
145
Sumber: hasil pengolahan SPSS
50 Berdasarkan deskripsi data yang dihasilkan dari Tabel 4.1 diatas menunjukkan bahwa
jumlah observasi atau jumlah pengamatan perusahaan perbankan dalam hal ini Bank BUMN dan Bank Swasta sebanyak 145 data selama periode pengamatan 2009-2013. Berdasarkan
hasil perhitungan di atas tampak bahwa Dana Pihak Ketiga DPK dalam transformasi logaritma natural memiliki nilai terendah 21.43, nilai tertinggi 33.95 dan rata-rata Dana Pihak Ketiga
29.2406. Standar deviasi jumlah dana pihak ketiga adalah 3.37674 Berdasarkan rata-rata yang dihasilkan dapat disimpukan bahwa pada umumnya perusahaan sampel memiliki Dana Pihak
Ketiga perusahaan dibawah batas maksimal yang ditetapkan oleh Bank Indonesia BI yakni 32,00-42,00.
Loan to Deposit Ratio LDR memiliki nilai terendah sebesar 8.11 dan yang tertinggi
sebesar 889.26. Hal tersebut menunjukkan bahwa secara statistik, selama periode penelitian besarnya LDR bank BUMN dan Bank Swasta di Indonesia, yaitu bekisar 80-100. Sedangkan
rata-rata LDR adalah 84,0866 dengan niai standar deviasi 69,08342. Hal tersebut menunjukkan bahwa data variabel LDR mempunyai sebaran kecil karena standar deviasi lebih keci dari nilai
rata-ratanya mean, sehingga simpangan data pada variabel LDR ini dikatakan baik. Capital Adequacy Ratio
CAR memiliki nilai terendah sebesar 3.29 dan yang tertinggi sebesar 48.00. Hal tersebut menunjukkan bahwa secara statistik, selama periode penelitian
besarnya CAR Bank BUMN dan Bank Swasta di Indonesia sudah memenuhi standar yang ditetapkan Bank Indonesia, yaitu minimal 10.00. Sedangkan nilai rata-rata CAR adalah
17.4652 dengan nilai standar deviasi sebesar 7.33237. Hal tersebut menunjukkan bahwa data yang digunakan dalam variabel CAR mempunyai sebaran kecil karena standar deviasi lebih kecil
dari nilai rata-ratanya mean. Hasil ini Menunjukkan bahwa bank BUMN dan Bank Swasta
51 memiliki kecukupan modal minimal10.00 sebagaimana ditetapkan oleh Bank Indonesia, dapat
dikatakan bahwa perusahaan perbankan secara umum memiliki kecukupan modal yang tinggi. Non Performing Loan
NPL memiliki nilai terindah sebesar 0.14 dan yang tertinggi
sebesar 27.90. Hal tersebut menunjukkan bahwa secara statistik, selama periode penelitian besarnya NPL Bank BUMN dan Bank Swasta di Indonesia sudah melebihi standar yang
ditetapkan Bank Indonesia, yaitu di bawah 5.00 Sedangkan rata-rata NPL adalah 3.1210 dengan nilai standar deviasi sebesar 4.02934. Dapat dikatakan bahwa Bank BUMN dan Bank
Swasta secara umum memiliki NPL yang rendah sehingga risiko kreditnya berkurang serta variabel NPL mempunyai sebaran besar karena standar deviasi lebih besar dari nilai rata-ratanya
mean, sehingga simpangan data pada variabel NPL ini dapat dikatakan tidak baik. Return on Asset
ROA memiliki nilai terendah -12.90, nilai tertinggi 5.15 . Dengan nilai rata-rata ROA sebesar 1,7486 yang lebih tinggi dari kriterianya sebesar 0,5 – 1,25,
menunjukan bahwa perusahaan perbankan memiliki ROA yang tinggi. Sedangkan standar deviasi untuk ROA adalah sebesar 2.13934. Tingginya nilai standar deviasi dibandingkan
dengan nilai rata-rata mean ROA mengindikasikan adanya penyimpangan yang sangat tinggi. SBI dalam hal ini merupakan bunga acuan bagi perbankan yang beroperasi di
Indonesia.Nilai ini didasarkan pada tingkat setifikat bank Indonesia pada akhir tahun pada tahun 2009 – 2013 dimana diperoleh rata-rata SBI selama periode tersebut sebesar 6.46 . Dengan
nilai rata-rata SBI sebesar 6.46 yang lebih rendah kriterianya sebesar 6,50 persen, dapat dikatakan bahwa Bank Indonesia mengeluarkan SBI yang rendah. Nilai standar deviasi
menunjukan adanya penyimpangan sebesar 0,59 dari nilai rata-rata sebesar 6.46. Jumlah Penyaluran Kredit memiliki nilai terendah 21.19, nilai tertinggi 33.79 . rata-rata
kredit dalam transformasi logaritma natural diperoleh sebesar 28.9960. Hal ini berarti bahwa
52 dana yang diperoleh bank sampel selama tahun 2009 – 2013 adalah sebesar 28.9960. Dengan
nilai rata-rata Ln.Kredit sebesar 28.9960 yang rendah dari kriteria 70.00 - 80.00 dapat dikatakan bahwa perusahaan perbankan memiliki Ln.Kredit yang tinggi. Nilai standar deviasi menunjukan
adanya penyimpangan sebesar 3.42658 dari nilai rata-rata sebesar 28.9960.
.
Tabel 4.2 Frequencies Penelitian
Statistics Statistics
DPK LDR
CAR NPL
ROA SBI
KREDIT N
Valid 145
145 145
145 145
145 145
Missing
Sumber: hasil pengolahan SPSS
Tabel 4.2 menunjukkan deskripsi untuk variabel nominal yang terdiri dari Dana Pihak Ketiga, Loan to Deposit Ratio, Capital Adequacy Ratio, Non Performing Loan, Return on Asset,
SBI, Jumlah Kredit yang di Berikan. Dari data tersebut diatas dapat dideskripsikan bahwa data yang valid sah untuk diproses adalah 145 data dan missing hilang adalah nol. Hal ini berarti
semua data telah diproses.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Pengujian normalitas data pada penelitian ini menggunakan analisis grafik dan analisis statistik. Analisis grafik untuk melihat normalitas data yang dilakukan dengan
melihat grafik histogram dan kurva normal probability plot. Analisis statistik dilakukan dengan menggunakan uji non-parametrik Kolmogrov-Smirnov K-S. Analisis grafik
dengan histogram:
53
Gambar 4.1 Histogram
Pada histogram tersebut Gambar 4.1, dapat dilihat bahwa bentuk kurva cenderung di tengah dan tidak condong skweness ke kiri maupun ke kanan. Oleh karena itu, dapat
disimpulkan bahwa data dalam penelitian ini berdistribusi normal. Analisis grafik normal P-Plot
Gambar 4.2. Garfik Normal P.Plot
54 Pada gambar 4.2 data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Sehingga menurut analisis grafik histogram dan P-Plot data telah
terdistribusi secara normal atau memenuhi asumsi normalitas. Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati melihatnya. Secara
visual kelihatan normal, pada secara statistik bisa saja sebaliknya. Oleh sebab itu, selain cara di atas peneliti menggunakan analisis statistik uji K-S untuk memperoleh hasil pengujian yang
lebih akurat. Uji K-S dilakukan dengan membuat hipotesis: Ho : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0,05 maka Ho diterima, sedangkan bila nilai
signifikasinya lebih kecil dari 0,05 maka Ho ditolak.
Tabel 4.3 Hasil Uji Normalitas K-S
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 78
Normal Parameters
a,b
Mean ,0000000
Std. Deviation
1,12498977 Most Extreme
Differences Absolute
,128 Positive
,090 Negative
-,128 Kolmogorov-Smirnov Z
1,132 Asymp. Sig. 2-tailed
,154 a. Test distribution is Normal.
b. Calculated from data.
Sumber: hasil pengolahan SPSS
55 Tampak bahwa nilai signifikansi adalah sebesar 0,154 0,05 yang menunjukkan bahwa
nilai residual telah terdistribusi secara normal.
4.2.2.2 Uji Multikolinearitas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel dependen. Jika terjadi korelasi, maka dikatakan terdapat masalah
multikoliniearitas. Uji ini dilihat dari nilai Tolerance dan VIF-nya.Model regresi yang baik jika
nilai Tolerance 0,1 dan VIF 10. Tabel 4.4
Hasil Uji Multikolinearitas
Model Collinearity
Statistics Tolerance
VIF
1
Constant DPK
,609 1,641
LDR ,934
1,071 CAR
,491 2,036
NPL ,495
2,019 ROA
,732 1,366
SBI ,753
1,328
Sumber: hasil pengolahan SPSS
Tabel 4.4 menunjukkan hasil uji multikolinearitas. Dari tabel di atas menunjukkan bahwa tidak terdapat satupun variabel independen yang memiliki nilai tolerance yang kurang dari 0.1
dan VIF yang lebih dari 10. Maka dapat disimpulkan bahwa tidak satupun variabel memiliki persoalan multikolinearitas antara variabel independennya
56
Tabel 4.5 Koefisien Korelasi Antar Variabel
Correlations Correlations
Control Variables DPK
LDR CAR NPL ROA SBI
KREDIT
LN_KREDIT DPK
Correlation 1,000
-,055 ,024 -,087
,415 ,385
,996 Significance 2-tailed
. ,637
,838 ,449
,000 ,001
,000 Df
75 75
75 75
75 75
LDR Correlation
-,055 1,000
,136 ,143
,057 ,037
-,026 Significance 2-tailed
,637 .
,237 ,215
,622 ,751
,821 Df
75 75
75 75
75 75
CAR Correlation
,024 ,136 1,000
,698 -,147 ,026
,065 Significance 2-tailed
,838 ,237
. ,000
,202 ,820
,573 Df
75 75
75 75
75 75
NPL Correlation
-,087 ,143
,698 1,000 -,120 ,055
-,041 Significance 2-tailed
,449 ,215
,000 .
,298 ,635
,724 Df
75 75
75 75
75 75
ROA Correlation
,415 ,057 -,147 -,120 1,000 -,064
,428 Significance 2-tailed
,000 ,622
,202 ,298
. ,580
,000 Df
75 75
75 75
75 75
SBI Correlation
,385 ,037
,026 ,055 -,064 1,000
,415 Significance 2-tailed
,001 ,751
,820 ,635
,580 .
,000 Df
75 75
75 75
75 75
KRE DIT
Correlation ,996
-,026 ,065 -,041
,428 ,415
1,000 Significance 2-tailed
,000 ,821
,573 ,724
,000 ,000
. Df
75 75
75 75
75 75
a. Dependent Variable: Audit.Delay
Sumber: hasil pengolahan SPSS
57 Melihat hasil besaran korelasi antara variabel independen, variabel return on asset
memiliki nilai korelasi yang paling tinggi sebesar 0,415 atau 41,5. Oleh karena korelasi ini masih dibawah nilai standar korelasi sebesar 0,95 atau 95, maka dapat dikatakan tidak terjadi
multikolinearitas.
4.2.2.3 Uji Heterokedastisitas
Dalam penelitian ini untuk mendeteksi ada tidaknya heterokdastisitas adalah dengan meihat pola grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS.
Dasar pengambilan keputusannya adalah: a.
Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka terjadi heterokedastisitas
b. Jika tidak ada pola jelas, serta titik-titik menyebar di atas dan di bawah angka nol 0 pada
sumbu Y maka tidak terjadi heterokedastisitas
58
Sumber: hasil pengolahan SPSS
Gambar 4.3 Sccaterplot
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas sumbu 0 maupun di bawah sumbu 0, sehingga dapat disimpulkan bahwa tidak terjadi
heterokedastisitas pada model regresi. Adr anya titik-titik yang menyebar menjauh dari titik-titik yag lain disebabkan karena adanya data observasi yang sangat berbeda dengan data observasi
lainnya.
4.2.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi pengganggu pada periode t dengan kesalahan penggangu pada periode t-1 sebelumnya. Jika
terjadi korelasi, maka dinamakan ada problem autokorelasi. Pada penelitian ini uji autokorelasi
59 yang digunakan adalah uji Durbin-Watson DW Test, uji Lagrange Multiplier LM Test, dan
run test.
a. Uji Durbin-Watson DW Test