59
b. Analisis Statistik
Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorv-Smirnov dengan melihat data residualnya apakah
berdistribusi normal atau tidak.
Tabel 4.6 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 88
Normal Parameters
a
Mean .0000000
Std. Deviation 1.32156432
Most Extreme Differences Absolute
.107 Positive
.075 Negative
-.107 Kolmogorov-Smirnov Z
.999 Asymp. Sig. 2-tailed
.271 a. Test distribution is Normal.
Sumber : Hasil olahan SPSS 16.0 for windows 2010
Dari Tabel 4.6 menunjukkan bahwa variabel residual berdistribusi normal, karena terlihat nilai Unstandardized Residual Asymp. Sig. 2-tailed adalah 0,271 hal ini berarti
nilai Symp. Sig 2-tailed lebih besar dari nilai signifikan dengan nilai 0,05.
2. Uji Multikolinieritas
Multikolinieritas adalah suatu keadaan dimana variabel independen yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara
sempurna. Untuk mengetahui ada tidaknya gejala multikolinieritas dapat dilihat dari
Universitas Sumatera Utara
60
besarnya nilai Tolerance dan Variance Inflation Factor melalui program SPSS 15 for windows.
Tabel 4.7 Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
LNCAR .912
1.096 LNNPL
.876 1.142
LNROA .807
1.239 LNLDR
.959 1.043
a. Dependent Variable: LNPERTUMBUHANLABA
Sumber : Hasil olahan SPSS 16.0 for windows 2010
Berdasarkan Tabel 4.7 diatas, keempat variabel tersebut memiliki nilai Tolerance 0,1 dan VIF 5 maka tidak terdapat adanya gejala multikolinieritas pada persamaan
regresi linear berganda ini.
3. Uji Autokorelasi
Autokorelasi didefenisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data deret waktu atau ruang seperti dalam
data cross section. Uji autokorelasi bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
periode t-1.
Universitas Sumatera Utara
61
Tabel 4.8 Runs Test
Unstandardized Residual Test Value
a
.21002 Cases Test Value
44 Cases = Test Value
44 Total Cases
88 Number of Runs
39 Z
-1.287 Asymp. Sig. 2-tailed
.198 a. Median
Sumber : Hasil olahan SPSS 16.0 for windows 2010
Dari hasil pengolahan mengunakan SPSS 16 for windows dapat diketahui bahwa nilai test adalah 0,21002 dan Asymp. Sig. 2-tailed 0,198 0,05. Maka dapat
disimpulkan data tidak terkena autokorelasi.
4. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dalam sebuah model regresi, dengan tujuan bahwa apakah suatu regresi tersebut terjadi ketidaksamaan varians dari residual
dari setiap pengamatan ke pengamatan lainnya berbeda, maka disebut heteroskedastisitas. Ada beberapa cara untuk menguji ada tidaknya situasi heteroskedastisitas dalam
varian error terms untuk model regresi. Untuk melihat apakah terjadi heterokedastisitas atau tidak dapat dilakukan melalui dua cara yaitu cara grafik dan cara statistik dengan
menggunakan uji Glejser.
Universitas Sumatera Utara
62
a. Pendekatan Grafik
Dalam penelitian ini akan digunakan metode chart diagram scatterplot, dengan dasar pemikiran bahwa Singgih, 2004 :
1. Jika ada pola tertentu seperti titik-titik poin-poin, yang ada membentuk suatu pola tertentu yang beraturan bergelombang, melebar, kemudian menyempit, maka terjadi
heteroskedastisitas. 2. Jika ada pola yang jelas, serta titik-titik menyebar ke atas dan dibawah 0 pada
sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.3 Scatterplot of Dependent Variable Sumber: Hasil olahan SPSS 16.0 for windows 2010
Universitas Sumatera Utara
63
Dari grafik scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di
bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi ini.
b. Uji Glejser
Heteroskedastisitas juga dapat diuji dengan menggunakan uji Glejser. Jika tingkat signifikansi variabel independen 5 menunjukkan bahwa variabel independen
signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Namun apabila tingkat signifikansinya 5 maka tidak terjadi
heteroskedastisitas.
Tabel 4.9
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .249
.617 .403
.688 LNCAR
.244 .148
.185 1.646
.104 LNNPL
-.051 .082
-.072 -.624
.534 LNROA
-.032 .135
-.028 -.234
.816 LNLDR
.036 .114
.034 .312
.756 a. Dependent Variable: absut
Sumber : Hasil olahan SPSS 16.0 for windows 2010
Tabel 4.9 menunjukkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut. Hal ini terlihat dari
nilai signifikansi variabel CAR, NPL, ROA, dan LDR masing-masing lebih besar dari
Universitas Sumatera Utara
64
tingkat signifikansi α = 5. Dengan demikian dapat disimpulkan bahwa tidak terjadi
gejala heterokedastisitas dalam model regresi ini.
2. Analisis Regresi Linear Berganda a. Goodness of Fit Test
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.697
a
.488 .344
1.35303 a. Predictors: Constant, LNLDR, LNCAR, LNNPL, LNROA
b. Dependent Variable: LNPERTUMBUHANLABA
Sumber : Hasil olahan SPSS 16.0 for windows 2010
Dari hasil pengujian Goodness of Fit, R = 0,697 berarti hubungan antara CAR, NPL, ROA, dan LDR terhadap pertumbuhan laba sebesar 69,7. Artinya hubungannya
erat. Semakin besar R berarti hubungan semakin erat. Adjusted R Square sebesar 0,344 berarti 34,4 faktor-faktor yang mempengaruhi
pertumbuhan laba dapat dijelaskan oleh CAR, NPL, ROA, dan LDR. Sedangkan sisanya sebesar 65,6 dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian
ini.
Universitas Sumatera Utara
65
b. Anova Uji F Uji secara Serempak Simultan
Tabel 4.11 ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
14.647 4
65.947 6.295
.003
a
Residual 151.948
83 2.206
Total 166.595
87 a. Predictors: Constant, LNLDR, LNCAR, LNNPL, LNROA
b. Dependent Variable: LNPERTUMBUHANLABA
Sumber : Hasil olahan SPSS 16.0 for windows 2010
Tabel di atas menunjukkan bahwa nilai F hitung adalah 6,295 dengan tingkat signifikansi 0,003. Dengan demikian berarti F hitung F tabel yaitu 6,295 2,45 dan
tingkat signifikansinya 0,003 0,05. Jika tingkat signifikansi di bawah 0,05 maka Ho ditolak dan Ha diterima. Dengan demikian variabel independen CAR, NPL, ROA dan
LDR secara serempak adalah mempunyai pengaruh yang signifikan terhadap pertumbuhan laba.
c. Uji t, Uji secara parsial
Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak digunakan statistik t uji t. Jika t hitung t tabel, maka Ho diterima atau Ha ditolak, sedangkan jika
t hitung t tabel, maka Ho ditolak dan Ha diterima. Jika tingkat signifikansi di bawah 0,05 maka Ho ditolak dan Ha diterima.
Universitas Sumatera Utara
66
Dari Tabel 4.12 diperoleh persamaan regresi linear berganda sebagai berikut: Y= -1,984 + 0,332 X
1
+ 0,206 X
2
+ 0,293 X
3
– 0,076 X
4
+ e Dimana :
Y = Kinerja perbankan Pertumbuhan Laba α = Koefisien konstanta
X
1
= CAR Capital Adequacy Ratio X
2
= NPL Non Perfoming Loan X
3
= ROA Return on Asset X
4
= LDR Loan to Deposit Ratio e = Error
Interpretasi Model : 1.
Konstanta bernilai -1,984 menunjukkan bahwa perusahaan tidak memiliki kemampulabaan atau perusahaan tidak dapat menghasilkan laba. Dengan kata lain,
BPR di Sumatera Utara masih banyak memiliki kinerja yang buruk.
2. Variabel CAR X
1
bernilai 0,332. Hal ini menunjukkan bahwa jika nilai CAR ditingkatkan sebesar satu satuan maka pertumbuhan laba akan meningkat sebesar
0,332.
3.
Variabel NPL X
2
bernilai 0,206. Hal ini menunjukkan walaupun nilai NPL meningkat sebesar satu satuan maka pertumbuhan laba tidak akan meningkat sebesar
0,206.
4. Variabel ROA X
3
bernilai 0,293. Hal ini menunjukkan walaupun nilai ROA ditingkatkan sebesar satu satuan maka pertumbuhan laba akan meningkat sebesar
sebesar 0,293.
Universitas Sumatera Utara
67 5.
Variabel LDR X
4
bernilai 0,076. Hal ini menunjukkan bahwa jika nilai LDR ditingkatkan sebesar satu satuan maka pertumbuhan laba tidak akan meningkat
sebesar 0,076.
Tabel 4.12 Coefficients
a
Model
B
Standardized Coefficients
t Sig
1 Constant -1.984
-1.979 .051
LNCAR .332
.151 1.378
.024 LNNPL
.206 .247
2.204 .350
LNROA .293
.110 .940
.030 LNLDR
.076 .044
2.408 .684
a.Dependent Variable: Pertumbuhan Laba
Sumber : Hasil olahan SPSS 16.0 for windows 2010
Variabel CAR berpengaruh secara positif dan signifikan terhadap pertumbuhan
laba. Hal ini terlihat dari nilai signifikan 0,024 0,05 dan nilai t hitung t tabel
yaitu 1,980 1,378. Karena tingginya nilai CAR mengindikasikan modal yang
dimiliki perbankan juga besar, sehingga hal ini mempengaruhi kinerja perusahaan dalam menghasilkan laba. Rasio kecukupan modal yang stabil akan memenuhi
pendanaan kredit dan kegiatan operasional bank. Dan adanya kecukupan modal yag baik akan membantu bank dalam menghadapi kredit macet. Jika nilai CAR
mengalami kenaikan satu kali maka nilai pertumbuhan laba akan meningkat sebesar 0,332. Dengan demikian, maka H
ditolak hal ini berarti variabel CAR secara parsial mempunyai pengaruh yang signifikan terhadap pertumbuhan laba
pada BPR di Sumatera Utara.
Variabel NPL berpengaruh secara positif dan tidak signifikan terhadap pertumbuhan laba. Hal ini terlihat dari nilai signifikan 0,350 0,05 dan nilai t
hitung t tabel yaitu 1,980 2,204 . Tingginya angka NPL secara langsung akan
Universitas Sumatera Utara
68
menyebabkan turunnya kualitas aset pada neraca perbankan, dan menambah beban perbankan untuk membiayai kredit macet. Sehingga kredit macet akan
mengurangi laba perbankan. Hal ini juga disebabkan tingginya suku bunga yang ditetapkan oleh BI sebagai acuan perbankan untuk menetapkan suku bunga
pinjaman pada tahun 2008 yaitu sebesar 8. Jika nilai NPL mengalami kenaikan satu kali maka nilai pertumbuhan laba tidak akan meningkat sebesar 0,206.
Dengan demikian, maka H diterima hal ini berarti variabel NPL secara parsial
tidak mempunyai pengaruh yang signifikan terhadap pertumbuhan laba pada BPR di Sumatera Utara.
Variabel ROA berpengaruh secara positif dan signifikan terhadap pertumbuhan
laba. Hal ini terlihat dari nilai significan 0,030 0,05 dan nilai t hitung t tabel
yaitu 1,980 0,940. Alasan ROA signifikan yaitu ROA menunjukkan tingkat
efisiensi yang mampu diciptakan perusahaan atas penggunaan sumber daya perusahaan total aset untuk menghasilkan laba. ROA menjadi faktor yang bisa
menentukan tingkat kesehatan bank disebabkan semakin besar rasio ini menunjukkan tingginya profitabilitas perusahaan yang akhirnya meningkatkan
laba secara signifikan. Jika nilai ROA mengalami kenaikan satu kali maka nilai pertumbuhan laba akan meningkat sebesar 0,293. Dengan demikian, maka H
ditolak hal ini berarti variabel ROA secara parsial mempunyai pengaruh yang signifikan terhadap pertumbuhan laba pada BPR di Sumatera Utara.
Variabel LDR berpengaruh secara positif dan tidak signifikan terhadap
pertumbuhan laba. Hal ini terlihat dari nilai signifikan 0,684 0,05 dan nilai t hitung t tabel yaitu 1,980 2,408. Rasio LDR yang ditetapkan oleh Bank
Universitas Sumatera Utara
69
Indonesia adalah 85 - 110. LDR merupakan rasio likuiditas bank. Likuiditas adalah kemampuan untuk memenuhi kewajiban utang-utang, dapat membayar
kembali semua simpanan nasabah, serta dapat memenuhi permintaan kredit yang diajukan. Adanya krisis ekonomi global akan berdampak pada dunia perbankan
dan ketatnya likuiditas bank. Krisis ekonomi global membuat pendapatan masyarakat menurun dan pengeluaran bertambah sehingga banyak terjadi kredit
macet. Akibatnya bagi bank-bank yang memiliki nilai LDR tinggi akan menderita
kerugian lebih besar dibandingkan dengan bank yang memiliki LDR rendah. Jika
nilai LDR bertambah satu kali maka nilai pertumbuhan laba tidak akan meningkat sebesar 0,076 . Dengan demikian, maka Ho diterima hal ini berarti variabel LDR
secara parsial tidak mempunyai pengaruh yang signifikan terhadap pertumbuhan laba pada BPR di Sumatera Utara.
D. Penilaian Kesehatan Bank
Berdasarkan hasil perhitungan rasio dan pemberian nilai kedit, maka diperoleh hasil kesimpulan sebagai berikut :
Universitas Sumatera Utara
Kategori