29
aset lancar atau harta lancar yang dimiliki oleh bank dibagi deposits tabungan nasabah kepada pihak bank Ni, et al. 2009.
Liquid Assets Liquid Risk =
x 100 Deposits
Keterangan: Liquid Risk = Risiko Likuiditas
Liquid Assets = Aset lancar Deposits = Tabungan nasabah kepada pihak bank
4. Risiko solvensi X
4
Risiko solvensi adalah risiko yang muncul karena ketidak mampuan bank dalam mencari sumber dana untuk membiayai kegiatannya. Risiko solvensi
dapat dihitung dari shareholder equity ekuitas pemegang saham bank dibagi total assets aset total bank Ni, et al. 2009.
Shareholder Equity Solvention Risk =
x 100 Total Assets
Keterangan : Solvention Risk = Risiko solvensi
Shareholder Equity = Ekuitas pemegang saham Total Assets = Asset total bank
b. Variabel dependen
Variabel dependen Y yang digunakan dalam penelitian ini adalah: Return Saham
adalah keuntungan yang dinikmati investor atas investasi saham
yang dilakukannya Jogiyanto, 2000. return saham merupakan tingkat
Universitas Sumatera Utara
30
{
pengembalian investasi saham yang ditanamkan para investor dengan memperhatikan faktor risiko yang terjadi di pasar.
P
it
- P
it-1
R
m
= x 100
P
it-1
Keterangan : R
m
= Return Saham P
it
= Harga saham i pada bulan t P
i,t-1
= Harga saham i pada bulan t-1
c. Variabel Moderating
Variabel Moderating M yang digunakan dalam penelitian ini adalah: Earning pershare adalah merupakan jumlah pendapatan yang diperoleh
dalam satu periode untuk tiap lembar saham yang beredar. Informasi mengenai laba per lembar saham dapat digunakan oleh pemimpin
perusahaan untuk menentukan dividen yang akan dibagikan, juga informasi laba ini berguna bagi pihak investor untuk mengetahui
perkembangan perusahaan juga dalam mengambil keputusan. Sansaloni dan Monika 2003 menyatakan bahwa penggunaan informasi laba, dapat
mengurangi ketidakpastian kinerja keuangan perusahaan dimasa depan sehingga kualitas pengambilan keputusan akan semakin meningkat.
Net income – preferred dividends EPS =
Average Number of common share Outstanding Keterangan :
EPS = Earning Per Share Net Income = laba bersih setelah pajak
Universitas Sumatera Utara
31
Preferred dividend = dividen saham preferen Berikut ini yang berkaitan dengan pengukuran variabel dapat dilihat dalam
tabel 4.2 berikut :
Tabel 4.2 Pengukuran Variabel
Nama Variabel Definisi
Parameter Skala
Variabel dependen:
1. Earning Pershare
Variabel Moderating: 2. Return Saham
Informasi laba bagi pihak investor untuk
mengambil keputusan. Keuntungan yang
dinikmati investor atas investasi saham yang
dilakukannya
NI - Pd EPS =
average number
of common
share outstanding
P
it
– P
it-1
R
m =
x 100
P
it
Rasio Rasio
Variabel independen: 1.
Risiko Kredit
X1 2. Resiko Tingkat Suku Bunga X2
3. Risiko Likuiditas X3
4. Risiko Solvensi X4
Risiko yang timbul akibat ketidak
mampuan debitur untuk membayar kembali atas
kewajibannya terhadap bank.
Risiko yang muncul akibat perubahan
tingkat suku bunga. Risiko yang muncul
apabila bank gagal memenuhi kewajiban
jangka pendek terhadap para deposannya
dengan harta likuid yang dimilikinya.
Risiko yang muncul karena ketidak
mampuan bank dalam mencari sumber dana
untuk membiayai kegiatannya.
Provision for bad and
doubtful debts
Credit = x100
Risk Loans Deposits
Interest = x100 Risk Loans
Liquid Assets
Liquid = x100 Risk Total
Assets
Share holders
Equity Solvensi =
x100
Risk Total Assets
Rasio Rasio
Rasio Rasio
Universitas Sumatera Utara
32
{ 4.6. Metode Analisis Data
4.6.1. Pengujian Asumsi Klasik
Teknik analisis yang digunakan dalam penelitian ini adalah analisis regresi linier dengan uji residual. Penelitian ini menggunakan uji statistik, dengan
menggunakan Return Saham Y sebagai variabel dependen dan risiko keuangan seperti Risiko Kredit X
1
, Risiko Tingkat Suku Bunga X
2
, Risiko Likuiditas X
3
, Risiko Solvensi X
4
sebagai variabel independen dimana Earning pershare sebagai variable moderating M.
Salah satu syarat untuk pengujian hipotesis dengan menggunakan metode Regresi Linier adalah uji asumsi klasik. Jika asumsi-asumsi tersebut tidak semua
terpenuhi maka hasilnya akan bias Gujarati, 2008. Uji ini meliputi: Uji Normalitas, Uji Multikolinearitas, Uji Autokorelasi, dan Uji Heteroskedastisita
s.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas serta variabel moderating ketiganya
mempunyai distribusi normal atau tidak. Uji normalitas pada penelitian ini dilakukan dengan uji Kolmogrov-Smirnov, dimana jika angka signifikansi
yang ditunjukkan dalam tabel lebih kecil dari alpha 5, maka dikatakan tidak memenuhi asumsi normalitas, sedangkan sebaliknya jika angka
signifikansi di dalam tabel lebih besar dari alpha 5 maka data sudah memenuhi asumsi normalitas Ghozali, 2005. Sampel yang digunakan
dalam penelitian ini sebanyak 85, setelah dilakukan normalitas data, terdapat 6 sampel yang tidak normal, sehingga dilakukan pengurangan 6
Universitas Sumatera Utara
33
sampel, sehingga didapatkan sebanyak 79 sampel yang selanjutnya akan digunakan untuk pengujian hipotesis.
2. Uji Multikolinearitas
Multikolineritas adalah situasinya tidak adanya korelasi variabel- variabel bebas diantara satu dengan yang lain. Menurut Gujarati 2008,
bahwa satu dari asumsi model linier klasik adalah tidak adanya multikolinieritas diantara variabel yang menjelaskan yaitu di antara
variabel independen. Diinterpretasikan secara luas multikolinieritas berhubungan dengan situasi di mana ada hubungan linier baik yang pasti
atau mendekati pasti diantara variabel independen. Ghozali 2005 menyatakan bahwa model regresi yang baik
seharusnya tidak korelasi diantara variabel independen. Untuk melihat gejala ini dapat diukur dengan nilai tolerance dan nilai variance inflation
factor VIF. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi VIF = 1 Tolerance. Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolinieritas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Setiap peneliti harus menentukan tingkat
kolinieritas yang masih dapat ditolerir.
3. Uji Autokorelasi
Autokorelasi yaitu adanya hubungan kesalahan penggangu yang muncul pada data runtut waktu time series. Di dalam model regresi,
dianggap bahwa kesalahan pengganggu ε
i, i = 1,2,....,n merupakan variabel acak yang bebas. Dengan perkataan lain, kesalahan observasi
yang berikutnya diperoleh secara bebas terhadap kesalahan sebelumnya.
Universitas Sumatera Utara
34
{
Artinya, E ε
i ε
i+i = 0, untuk semua i dan semua r ≠ 0. Apabila terjadi autokorelasi,data asli harus ditransformasikan terlebih dahulu
untuk menghilangkannya.
Cara pengujiannya
dilakukan dengan
menggunakan Statistik d Durbin Watson The Durbin Watson d Statistic. Untuk menguji apakah ada autokorelasi negatif atau tidak, digunakan 4 -
d sebagai pengganti d. Apabila 4 . d dl batas bawah, maka kita tolak H0 yang menyatakan bahwa tidak ada autokorelasi negatif. Selanjutnya
apabila dl 4 . d du batas atas, hasil pengujian tidak dapat disimpulkan Supranto, 2007.
4. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual dari residual
satu pengamatan ke pengamatan yang lain. Suatu asumsi kritis dari model regresi linier klasik adalah bahwa gangguan ini semuanya mempunyai
varians yang sama. Jika asumsi ini tidak dipenuhi, kita mempunyai heteroskedastisitas. Heteroskedastisitas tidak merusak sifat ketidakbiasan
dan konsistensi dari penaksir OLS. Tetapi penaksir tidak lagi mempunyai varians minimumefisien. Dengan perkataan lain, ini tidak lagi BLUE.
Penaksir BLUE diberikan oleh metode kuadrat terkecil tertimbang Gujarati, 2008.
Untuk mendeteksi apakah ada atau tidak gejala heteroskedastisitas dapat dilakukan dengan melihat grafik Plot dan uji Park. Menurut uji Park
bahwa varians S2 merupakan fungsi dari variabel-variabel bebas. Uji ini dilakukan dengan mengkuadratkan nilai residual u2i dari model
Universitas Sumatera Utara
35
kemusiman kuadrat, nilai kuadrat dilogaritmakan ln u2i dan nilai logaritma dari kuadrat residual dimasukkan sebagai variabel terikat dalam
persamaan regresi yang baru. Jika angka signifikansi t yang diperoleh dari persamaan regresi yang baru lebih besar dari alpha 5 maka dikatakan
tidak terdapat heteroskedastisitas dalam data model, sebaliknya jika angka signifikansi yang diperoleh lebih kecil dari alpha 5, maka dapat
dikatakan terdapat heteroskedastisitas dalam data model Ghozali, 2005.
4.6.2. Uji Hipotesis
Setelah dilakukan uji asumsi klasik terhadap data, selanjutnya dilakukan uji hipotesis. Untuk membuktikan hipotesis pertama dan kedua maka digunakan
alat uji sebagai berikut : Adapun persamaan yang dipakai dalam penelitian ini adalah sebagai berikut:
1. Hipotesis Pertama: Y = a + b1X1 + b2X2 + b3X3 + b4X4 +
℮
Di mana: Y = Return Saham
a = Parameter konstanta b = Koefisien garis regresi masing-masing Xi, i = 1, 2, 3, 4.
X1 = Risiko Kredit X2 = Risiko Tingkat Suku Bunga
X3 = Risiko Likuiditas X4 = Risiko Solvensi
℮ = error term
Universitas Sumatera Utara
36
{
Hipotesis pertama diuji dengan menggunakan uji statistik regresi linier berganda dengan bantuan SPSS.
a. Uji F Uji ini merupakan pengujian terhadap signifikansi model secara simultan
atau serempak, yaitu melihat pengaruh dari seluruh variabel bebas terhadap variabel terikat, hipotesis ini dirumuskan dengan:
1. Ho : H1 = b1 = b2 = b3 = b4 = 0
Hal ini berarti tidak terdapat pengaruh yang signifikan variabel Risiko Kredit, Risiko Tingkat Suku Bunga, Risiko Likuiditas, Risiko Solvensi
terhadap Return Saham. 2.
H1 : b1 = b2 = b3 = b4 ≠ 0 Hal ini berarti terdapat pengaruh yang signifikan variabel Risiko Kredit,
Risiko Tingkat Suku Bunga, Risiko Likuiditas, Risiko Solvensi terhadap Return saham.
Rumus F hitung adalah sebagai berikut Gujarati,2008 R
2
k – 1 F =
1 – R
2
n – k
Dimana : R
2
= Koefisien determinasi K
= Jumlah variabel bebas n
= Jumlah Observasi Untuk menentukan nilai F hitung tingkat signifikan yang digunakan
sebesar 5 dengan derajat df = K-1 dan n-k, kriteria sebagai berikut:
Universitas Sumatera Utara
37
Jika Fhitung Ftabel maka H0 ditolak.
Jika Fhitung ≤ Ftabel maka H diterima.
Perhitungan nilai F tidak akan dilakukan secara manual, namun dengan menghitung dengan bantuan SPSS dengan memperhatikan Tabel Anova pada
kolom nilai F serta tingkat signifikansi dari model tersebut. Jika tingkat signifikansi lebih kecil dari 0,05 maka H1 diterima.
b. Uji t Uji t digunakan untuk menguji koefisien regresi secara parsial dari
variable bebas terhadap variabel terikat di mana hipotesis yang digunakan adalah sebagai berikut:
1. Ho : bi = 0 Hal ini berarti tidak terdapat pengaruh yang signifikan dari Risiko Kredit,
Risiko Tingkat Suku Bunga, Risiko Likuiditas, Risiko Solvensi terhadap Return saham.
2. Hi : bi ≠ 0 Hal ini berarti terdapat pengaruh yang signifikan dari Risiko Kredit,
Risiko Tingkat Suku Bunga, Risiko Likuiditas, Risiko Solvensi terhadap Return saham.
Untuk menentukan t Tabel, taraf signifikan yang digunakan sebesar 5 dengan derajat kebebasan df = n-k-1, di mana n merupakan jumlah observasi
dan k merupakan jumlah variabel bebas. Nilai t hitung diperoleh dengan rumus sebagai berikut:
bi - b T hitung =
sbi
Universitas Sumatera Utara
38
{
Di mana: bi = Koefisien variabel independen
b = nilai hipotesis nol Sbi = Simpangan baku Standar deviasi dari variabel independen
Pengujian hipotesis dilakukan dengan: Jika t hitung t Tabel maka Ho ditolak.
Jika t hitung t Tabel maka H0 diterima
.
Perhitungan nilai t hitung akan dilakukan secara manual atau dapat dilihat dari daftar
t Tabel, namun dengan menghitung menggunakan bantuan SPSS perlu diperhatikan Tabel koefisien pada kolom nilai t serta tingkat signifikansi dari
variabel tersebut. Jika tingkat signifikansi lebih kecil dari 0,05 maka H1 diterima.
2. Hipotesis Kedua
Selanjutnya dilakukan uji hipotesis ke dua, untuk membuktikan hipotesis kedua maka dilakukan pengujian hipotesis kedua dengan menggunakan uji regresi linier
berganda dengan uji residual. Uji residual bertujuan untuk menentukan apakah variabel moderating benar merupakan variabel moderating atau tidak. Analisis
residual ingin menguji pengaruh deviasi penyimpangan dari suatu model. Fokusnya adalah ketidak cocokan lack of fit yang dihasilkan dari deviasi
hubungan linier antara variable independen. Lack of fit ditujukan oleh nilai residual di dalam regresi. Dalam hal ini jika terjadi kecocokan antara variabel
moderating dengan variabel independen nilai residual kecil atau nol yaitu nilai variabel moderating dan nilai variabel independen tinggi maka nilai variabel
dependen juga tinggi. Sebaliknya jika terjadi ketidak cocokan atau lack of fit
Universitas Sumatera Utara
39
antara variabel moderating dengan variabel independen nilai residual besar yaitu nilai variabel moderating rendah dan nilai variabel independen tinggi maka nilai
variabel dependen rendah. Suatu variabel dikatakan sebagai variabel moderating ditunjukkan dengan nilai koefisien yang signifikan dan negatif yang berarti
adanya lack of fit antara variabel moderating dan variabel independen mengakibatkan nilai variabel dependen turun atau berpengaruh negatif.
Hipotesis Kedua adalah komponen risiko keuangan yang terdiri dari Risiko Kredit, Risiko Tingkat Suku Bunga, Risiko Likuiditas, Risiko Solvensi
berpengaruh terhadap Return Saham dengan Earning pershare sebagai variabel moderating pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Sedangkan untuk pengujian hipotesis kedua digunakan analisis regresi dengan uji residual. Pengujian residual ini untuk menguji hipotesis yang menggunakan
variabel moderating. Pengujian variabel moderating bisa dilakukan dengan tiga cara yaitu uji interaksi, uji selisih nilai absolut, dan uji residual Ghozali, 2005.
Uji interaksi dan uji selisih nilai absolut memiliki kecenderungan akan terjadi multikolinieritas tinggi antar variabel independen. Multikolinieritas akan
menyalahi asumsi klasik dengan regresi Ordinary Least Square, sehingga metode analisis yang digunakan untuk menguji hipotesis dalam penelitian ini adalah uji
residual. Adapun model regresi yang dipakai dalam penelitian ini adalah sebagai
berikut:
Y= α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ β
5
X
1
.M + β
6
X
2
.M + β
7
X
3
.M +β
8
X
4
.M+ ℮
Di mana: Y = Return Saham
Universitas Sumatera Utara
40
{
α
= Konstanta β
1
- β
4
= Koefisien regresi variable bebas β
5
- β
8
= Koefisien regresi variabel moderating X1 = Risiko Kredit
X2 = Risiko Tingkat Suku Bunga X3 = Risiko Likuiditas
X4 = Risiko Solvensi M = Moderating
℮ = Pengaruh variable lain epsilon atau residual error term Persamaan regresi b menggambarkan apakah Earning pershare Ep
merupakan variabel moderating dan ini ditunjukkan dengan nilai koefisien b5 signifikan dan negatif hasilnya yang berarti adanya lack of fit antara variabel
moderating dan variabel independen mengakibatkan nilai variabel dependen turun atau berpengaruh negatif.
Universitas Sumatera Utara
41
BAB V HASIL PENELITIAN DAN PEMBAHASAN
5.1. Deskrptif Data Penelitian
