3.2. Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di Muamalat Institute dengan objek penelitian PT. Bank Muamalat Indonesia,Tbk yang berlokasi di Arthaloka Building
Jalan Jenderal Sudirman No.2 Jakarta Pusat. Data diperoleh melalui Muamalat Institute yang berlokasi di Gedung Dana Pensiun Telkom
Lantai 2 Jalan Jenderal S Parman kav 56 Slipi, Jakarta Barat. Pemilihan tempat dilakukan secara purposive. Waktu penelitian dimulai dari bulan
November 2010 sampai Desember 2010.
3.3. Metode Pengumpulan Data
Sumber data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer diperoleh melalui pencatatan,
pengumpulan data, dan wawancara langsung dengan pihak analisis pembiayaan. Sedangkan data sekunder diperoleh melalui studi literatur,
buku, skripsi, data historis, dan laporan keuangan bank.
3.4. Metode Pengolahan dan Analisis Data
Dalam penelitian ini, data yang diperoleh akan dianalisis dengan metode statistik yaitu dengan menggunakan metode analisis deskriptif,
analisis korelasi pearson product moment, analisis linier berganda, dan diolah dengan menggunakan minitab 14.
3.4.1. Analisis deskriptif
Analisis deskriptif merupakan analisis yang digunakan untuk menganalisis
data dengan
cara mendeskripsikan
atau menggambarkan data yang terkumpul sebagaimana adanya tanpa
bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi Sugiono, 2006.
3.4.2. Analisis Korelasi Person Product Moment
Korelasi pearson product moment adalah statistik yang mengukur keserasian hubungan diantara dua variabel. Rumus
dibawah ini digunakan bila sekaligus akan menghitung persamaan regresi.
Dalam sugiono 2006, perumusan untuk korelasi pearson product moment yaitu:
n ∑X
i
Y
i __
∑X
i
∑Y
i
r
=
= ...1
√
n ∑ X
i 2
__
∑ X
i 2
n ∑ Y
i 2
__
∑ Y
i 2
Dimana: r =Koefisien korelasi
Y = Variabel terikat laba X = Variabel bebas tingkat risiko kredit
n = Lamanya periode Korelasi pearson product moment dilambangkan dengan r
dengan ketentuan nilai r tidak lebih dari harga -1 ≤ r ≤+1.
Nilai r = -1 memiliki arti korelasi negatif sempurna; r = 0 berarti tidak ada korelasi; dan r = 1 memiliki arti korelasi sangat kuat.
Tabel 4. Pedoman untuk Memberikan Interpretasi Koefisien Korelasi
Interval Koefisien Tingkat Hubungan
0.00 – 0.199 Sangat rendah
0.20 – 0.399 Rendah
0.40 – 0.599 Sedang
0.60 – 0.799 Kuat
0.80 – 1.000 Sangat kuat
Sumber : Sugiono, 2006
3.4.3. Analisis Regresi Linier Berganda
Menurut Arief 2006, analisis regresi digunakan untuk melihat bagaimana
variasi peubah dari beberapa peubah
bebas mempengaruhi peubah tidak bebas dalam suatu fenomena yang
kompleks. Analisis regresi dapat dibedakan menjadi regresi sederhana dan regresi berganda. Jika parameter dari suatu
hubungan fungsional antara satu peubah tidak bebas dengan lebih dari satu peubah bebas maka yang digunakan adalah regresi
berganda. Analisis berganda menjelaskan seberapa jauh suatu peubah mempengaruhi peubah lainnya. Pada penelitian ini
pembiayaan yang disalurkan dan pembiayaan bermasalah menjadi 33
peubah bebas yang mempengaruhi peubah tidak bebas yaitu laba. Model regresi berganda ditunjukkan oleh persamaan berikut ini:
Y = β + β
1
X
1
+ β
2
X
2
+ e …………………………………...…... 2 Keterangan :
Y = Laba β = Konstanta
X
1
= Pembiayaan X
2
= NPF e = Tingkat kesalahan galat
Ada beberapa asumsi yang harus dipenuhi oleh model regresi. Oleh karena itu diperlukan pengujian asumsi yang meliputi uji
normalitas, uji
multikolinearitas, uji
autokorelasi, dan
heroskedastisitas menurut Gujarati dalam Rohaeni, 2009.
a. Uji Normalitas
Uji normalitas merupakan uji yang dilakukan jika data yang digunakan kurang dari 30 untuk mengetahui distribusi
kenormalan data, yaitu apakah data dapat dianggap berdistribusi normal atau tidak. Ketika data telah berdistribusi
normal, maka data tersebut dapat diolah menggunakan model regresi berganda. Untuk menguji kenormalan data dilakukan
dengan menguji kenormalan data residual. Uji normalitas dapat dilihat dengan melihat nilai statistik Kolmogorov-Smirnov KS
pada uji normalitas residual. Jika nilai statistik KS lebih kecil dibanding nilai tabel KS dan nilai p-value
lebih besar dari α, maka asumsi kenormalan terpenuhi sehingga model regresi
yang telah dibuat dapat digunakan Iriawan dan Astuti, 2006
b. Uji Multikoliniearitas
Multikolinieritas adalah kondisi dimana peubah-peubah bebas memiliki korelasi diantara satu dengan lainnya. Jika
peubah-peubah bebas memiliki korelasi sama dengan 1 atau berkorelasi
sempurna mengakibatkan
koefisien-koefisien regresi menjadi tidak dapat diperkirakan dan nilai standar error
setiap koefisien regresi menjadi tak hingga Arief, 2006. Uji multikolinieritas adalah uji untuk melihat apakah terdapat
korelasi antara peubah bebas yang digunakan dalam model regresi. Untuk melihat apakah ada multikolinieritas pada model
regresi dilihat dari nilai variance inflation factor VIF. Jika nilai VIF masing-masing peubah bebas memiliki nilai lebih
besar dari 5 maka model regresi memiliki multikolinieritas sehingga menjadi tidak valid Iriawan dan Astuti, 2006
c. Uji Autokorelasi
Kategori