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