1. 2. Analisis Statistik Deskriptif 1. 3. Hasil Uji Asumsi Klasik

penelitian yaitu pada tahun 2008 sampai dengan 2012. Tingkat Return On Investment ROI tertinggi pada tahun 2008 diraih oleh PT.Asuransi Bina Arta Dana,Tbk sebesar 0,33 dan nilai terendah dialami oleh PT.Lippo General Insurance,Tbk dan PT.Asuransi Sinar Mas,Tbk masing-masing sebesar 0.01. Tingkat Return On Investment ROI tertinggi pada tahun 2009 diraih oleh PT.Asuransi Bina Arta Dana,Tbk sebesar 0,50 dan nilai terendah dialami oleh PT.Asuransi Harta Aman Pratama,Tbk sebesar 0,02. Tingkat Return On Investment ROI tertinggi pada tahun 2010 diraih oleh PT.Asuransi Bina Arta Dana,Tbk sebesar 0,27 dan nilai terendah dialami oleh PT.Lippo General Insurance,Tbk sebesar 0,01. Tingkat Return On Investment ROI tertinggi pada tahun 2011 diraih oleh PT.Asuransi Bina Arta Dana,Tbk sebesar 0,18 dan nilai terendah dialami oleh PT.Lippo General Insurance,Tbk dan PT.Maskapai Reasuransi Indonesia,Tbk masing-masing sebesar 0.03. Tingkat Return On Investment ROI tertinggi pada tahun 2012 diraih oleh PT.Asuransi Jasa Tania,Tbk sebesar 0,16 dan nilai Return On Investment ROI terendah dialami oleh PT.Lippo General Insurance,Tbk sebesar 0,01.

4. 1. 2. Analisis Statistik Deskriptif

Statistik deksriptif merupakan teknik atau prosedur yang mendeskripsikan kumpulan data atau hasil pengamatan. Berikut analisis statistik Deskriptif dari seluruh data yang digunakan : Tabel 4. 4 Descriptive Statistics N Minimum Maximum Mean Std. Deviation RBC 35 10 622 226.26 143.688 Premium 35 .03 2.74 .9466 .57802 ROI 35 .01 .50 .0854 .10228 Valid N listwise 35 Universitas Sumatera Utara Sumber : Hasil Pengolahan SPSS. Dari Tabel 4. 4 dapat diketahui beberapa hal, sebagai berikut : a. Rata-rata dari tingkat Risk Base Capital X1 adalah 226,26 dengan standar deviasi 143.688 dengan jumlah data sebanyak 35 data. Nilai Risk Base Capital X1 tertinggi adalah 622 dan terendah adalah 10, artinya rata-rata nilai Risk Base Capital RBC dari 7 perusahaan asuransi yang terdaftar di Bursa Efek Indonesia BEI selama 5 tahun adalah sebesar 226, b. Rata-rata dari tingkat pertumbuhan premi neto X2 adalah 0.9466 dengan standar deviasi 0.5780 2 dengan jumlah data sebanyak 35 data. Nilai pertumbuhan premi neto X2 tertinggi adalah 2.74 dan terendah adalah 0.03, artinya rata-rata tingkat pertumbuhan premi neto dari 7 perusahaan asuransi yang terdaftar di Bursa Efek Indonesia BEI selama 5 tahun adalah sebesar 94,6. c. Rata-rata dari tingkat Return On Investment Y adalah 0.0854 dengan standar deviasi 0.10228 dengan jumlah data sebanyak 35 data. Nilai Return On Investment Y tertinggi adalah 0.50 dan terendah adalah 0.01, artinya rata-rata nilai Risk On Investment ROI dari 7 perusahaan asuransi yang terdaftar di Bursa Efek Indonesia BEI selama 5 tahun adalah sebesar 8,5.

4. 1. 3. Hasil Uji Asumsi Klasik

a. Uji Normalitas Pengujian normalitas data adalah untuk menguji apakah dalam model statistik variabel- variabel penelitian berdistribusi normal atau tidak normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak melenceng ke kiri atau ke kanan. Cara yang paling sederhana adalah dengan melihat histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Hasil dari Universitas Sumatera Utara uji normalitas ditunjukkan pada Gambar 4. 1. Grafik Histogram. Gambar 4.1 Grafik Histogram sumber : Hasil Pengolahan SPSS. Berdasarkan hasil uji normalitas pada grafik histogram menunjukkan residual data tidak simetris mengikuti kurva yang menyerupai lonceng namun condong ke kanan skewness yang mengindikasikan bahwa data tidak normal. Pengujian normalitas juga dapat digambarkan pada Gambar 4. 2. Grafik Normal Plot. Universitas Sumatera Utara Gambar 4. 2 Grafik Normal Plot sumber : Hasil Pengolahan SPSS. Berdasarkan Gambar 4.2 grafik plot terlihat titik-titik tidak menyebar di sekitar garis diagonal, bahkan penyebarannya menjauhi garis diagonal grafik normal plot sehingga dapat disimpulkan bahwa data pada model regresi berdistribusi secara tidak normal. Semua hasil pengujian statistik dan grafik menunjukkan bahwa data tidak berdistribusi secara normal, sehingga dilakukan analisis Kolmogrov-Smirnov pada Tabel 4. 5. Hasil Uji Normalitas. Universitas Sumatera Utara Tabel 4. 5 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 35 Normal Parameters a Mean -.007 Std. Deviation 1.008 Most Extreme Differences Absolute .337 Positive 4.049 Negative -1.560 Kolmogorov-Smirnov Z .337 Asymp. Sig. 2-tailed 1.000 a. Test distribution is Normal. b. Calculated from data. sumber : Hasil Pengolahan SPSS. Berdasarkan Tabel 4.5 Kolmogorov-Smirnov diketahui bahwa nilai Kolmogorov- Smirnov sebesar 0,337 dengan tingkat signifikansi sebesar 1.000 berarti tidak signifikan pada 0,05 karena di atas nilai signifikan 0,05. Berdasarkan nilai KolmogorovSmirnov tersebut dapat disimpulkan bahwa variabel residual berdistribusi secara normal. b. Uji Multikolinearitas Penelitian uji multikolinearitas berfungsi untuk mendeteksi ada atau tidaknya gejala gangguan multikolinearitas. Ada atau tidaknya gejala multikolinearitas dapat dilihat dari hasil pengujian yang diperoleh dari nilai tolerance dari model penelitian, yakni nilai Tol 0.1 dan hasil nilai Variance Inflation Factor VIF 5. Hasil dari uji multikolinearitas ditunjukkan pada Tabel 4. 6. Uji Multi- kolinearitas. Universitas Sumatera Utara Tabel 4. 6 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations Collinearity Statistics B Std. Error Beta Zero- order Partial Part Tolerance VIF 1Constant RBC Premium .041 .037 1.117 .272 .000 .000 .393 2.274 .030 .357 .373 .373 .899 1.113 -.020 .031 -.115 -.668 .509 .010 -.117 -.109 .899 1.113 a. Dependent Variable: ROI sumber : Hasil Pengolahan SPSS. Hasil uji multikolinearitas diketahui bahwa angka tolerance RBC adalah sebesar 0.899 0.1 dan VIF 1.113 5, tolerance pertumbuhan premi neto adalah sebesar 0.899 0.1 dan VIF 1.113 5. Hasil ini mengindikasikan bahwa tidak terjadi multikolinearitas antar variabel independen dalam penelitian. c. Uji Heteroskedastisitas Model regresi yang baik adalah memiliki kondisi homoskedastisitas atau tidak terjadi heteroskedastisitas. Deteksi ada tidaknya heteroskedastisitas dalam model penelitian dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID residual dan ZPRED prediksi variabel terikat. Hasil dari uji heteroskedastisitas dapat dilihat pada Gambar 4. 3 Grafik Scatterplot. Universitas Sumatera Utara Gambar 4. 3 Grafik Scatterplot sumber : Hasil Pengolahan SPSS. Hasil pengujian heteroskedastisitas yang terlihat pada Gambar 4.3 menunjukkan bahwa adanya pola tertentu dalam grafik scatterplot, kondisi tersebut dapat dilihat dari penyebaran data titik yang terjadi secara hampir teratur atau membentuk diagonal yang menyebar baik dibawah maupun diatas nol pada sumbu Y. Hasil ini mengindikasikan bahwa terjadi heteroskedastisitas dan model regresi tidak layak untuk digunakan untuk memprediksi variabel dependen ROI berdasarkan masukan variabel independen RBC dan Net Premium. Universitas Sumatera Utara d. Uji Autokorelasi Tabel 4. 7 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change 1 .373 a .139 .085 .09781 .139 2.587 2 32 a .091 2.126 a. Predictors: Constant, Premium, RBC b. Dependent Variable: ROI sumber : Hasil Pengolahan SPSS. Untuk mendiagnosis adanya gangguan autokorelasi error dalam model dapat dilakukan dengan melihat tabel kriteria nilai Durbin-Watson dengan cara membandingkan nilai statistik dengan tabel Durbin-Watson. tabel Durbin-Watson adalah sebagai berikut : Nilai DW Hipotesis Keputusan 0DWdl Autokorelasi positif Tolak dlDWdu Tidak ada autokorelasi positif No decision 4-dlDW4 Autokorelasi negatif Tolak 4 duDW4 dl Tidak ada autokorelasi negatif No decision duDW4-du Tidak ada autokorelasi positif atau negative Tidak ditolak Hasil output SPSS Statistical Product and Service Solution menunjukkan bahwa nilai Durbin-Watson adalah 2.126 dengan jumlah sampel 35 dan jumlah variabel independen 2. Nilai batas atas du pada tabel Durbin-Watson sebesar 1,413 sehingga nilai Durbin-Watson berada di antara batas atas dan 4–du 4– 1,413=2,587 sehingga 1,289 1,413 2,587. Dengan demikian, maka dapat disimpulkan bahwa hipotesis ditolak karena dalam model regresi linear terjadi autokorelasi antara kesalahan pengganggu pada periode penelitian dengan kesalahan pengganggu pada periode sebelum penelitian. Universitas Sumatera Utara 4. 1. 4. Hasil Uji Hipotesis