3.6 Metode Analisis Data
Keseluruhan data yang dikumpulkan, akan dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penelitian ini.
1. Statistik Deskriptif Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang
dilihat dari nilai rata-rata mean, standar deviasi maksimum dan minimum. Statistik deskriptif merupakan statistik yang menggambarkan atau
mendiskripsikan data yang menjadi sebuah informasi yang lebih jelas dan mudah untuk dipahami.
2. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal serta untuk
menghindari bias dalam model regresi. Untuk mendeteksinya dapat digunakan analisis grafik yaitu melihat grafik histogram, yang membandingkan data
observasi dengan distribusi yang mendekati distribusi normal dan yang lebih handal lagi adalah dengan melihat normal probability plot, dimana:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh garis diagonal dan tidak mengkuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Model regresi yang baik adalah yang mempunyai distribusi data normal atau mendekati normal.
Universitas Sumatera Utara
b. Uji Multikolinearitas Multikolinearitas adalah suatu keadaan dimana satu atau lebih variabel
dependen dinyatakan sebagai kombinasi linier dengan variabel dependen lainnya. Jika suatu model regresi mengandung multikolinearitas, maka kesalahan standar
estimasi akan cenderung meningkat dengan bertambahnya variabel dependen. Pengujian terhadap ada tidaknya multikolinearitas dapat dilakukan dengan
melihat nilai tolerance dan lawannya, serta variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10 atau
sama dengan VIF 10. Uji ini juga dapat dilakukan dengan melihat nilai korelasi antar variabel independen lebih besar dari 0,95 maka dapat disimpulkan bahwa
terdapat gejala multikolinearitas antar variabel independen dalam penelitian tersebut.
c. Autokorelasi Autokorelasi adalah korelasi antar anggota sampel yang diurutkan
berdasarkan waktu. Autokorelasi menunjukkan adanya kondisi yang berurutan antara gangguan atau distribusi yang masuk dalam regresi. Uji autokorelasi
bertujuan untuk mengetahui apakah terjadi korelasi antara anggota serangkaian data observasi yang diurutkan menurut waktu time series. Pengujian ini
dilakukan dengan menggunakan uji Durbin-Watson, adapun kriteria untuk penilaian terjadinya autokorelasi adalah:
1. Angka D-W dibawah -2, berarti ada autokorelasi positif
Universitas Sumatera Utara
2. Angka D-W diantara -2 sampai +2, berarti tidak ada autokorelasi 3. Angka D-W diatas +2, berarti ada autokorelasi negatif.
d. Heterokedastisitas Pengujian heterokedastisitas dilakukan dalam sebuah model regresi, yang
mana tujuan dari model ini adalah untuk melihat apakah suatu regresi tersebut terjadi ketidaksamaan varians residual dari setiap pengamatan dan dari
pengamatan lainnya apakah mengalami perbedaan. Heterokedastisitas terjadi apabila disturbance terms untuk setiap observasi tidak lagi konstan tetapi
bervariasi. Dasar analisis yang dapat digunakan untuk menentukan heterokedastisitas
adalah: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar, kemudian menyempit, maka ini mengindikasikan adanya heterokedastisitas
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka mengindikasikan tidak terjadinya
heterokedastisitas. Uji heterokedastisitas dapat dilakukan dengan melihat grafik scatter plot antara
nilai prediksi variabel independen dengan nilai residualnya. 3. Uji Hipotesis
Untuk menganalisis besarnya pengaruh variabel independen terhadap variabel dependen, maka penelitian ini menggunakan persamaan regresi linier
berganda. Untuk mengetahui bagaimana pengaruh variabel independen secara
Universitas Sumatera Utara
bersama-sama terhadap variabel dependen, maka digunakan uji statistik F dengan rumus:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e
Dimana: Y
= kinerja keuangan perbankan ROA bank a
= konstanta b
1-5
= koefisien regresi variabel independen X
1
= CAR X
2
= NPL X
3
= BOPO X
4
= LDR X
5
= NIM e
= error Hipotesis dalam penelitian ini menggunakan:
a. Uji koefisien determinasi regresi R
2
Uji koefisien determinasi digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen, yang diteliti terhadap variasi naik
turunnya variabel dependen. Koefisien determinasi berkisar antara nol 0 sampai dengan satu 1, dimana disimbolkan dengan 0
≤ R
2
≤ 1. Hal ini berarti bahwa bila R
2
= 0, hal ini menunjukkan bahwa tidak adanya pengaruh antara variabel independen terhadap variabel-variabel dependen. Dan sebaliknya apabila R
2
semakin mendekati 1, hal ini menunjukkan semakin kuatnya pengaruh variabel independen terdadap variabel-variabel dependen. Dan bila R
2
semakin kecil
Universitas Sumatera Utara
mendekati 0, maka dapat dikatakan semakin kecil pengaruh variabel independen terhadap variabel-variabel dependen.
b. Uji Signifikan Parsial t-test Uji ini digunakan untuk menunjukkan seberapa jauh pengaruh satu
variabel independen terhadap variabel dependen. Uji ini juga dapat dilakukan dengan membandingkan T
hitung
dengan T
tabel.
Signifikan atau tidaknya pengaruh variabel independen terhadap variabel dependen dapat dilihat dari nilai
probabilitas nilai signifikan dari T, rasio masing-masing variabel independen pada taraf uji α = 5 0,05. Kesimpulan dapat diterima atau tidaknya Ho dan
Ha, dapat dibuktikan dengan hipotesis sebagai berikut: •
Apabila nilai signifikan α 0,05, maka Ho diterima dan Ha ditolak. •
Apabila nilai signifikan α 0,05, maka Ho ditolak dan Ha diterima. c. Uji Signifikan Simultan F-test
Uji F ini digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh bersama-sama
terhadap variabel dependen. Untuk menguji hipotesis ini digunakan statistik F dengan membandingkan F
hitung
dengan F
tabel
, atau dengan melihat nilai signifikannya, dengan α sebesar 5 0,05. Kesimpulan dapat diterima atau
tidaknya Ho dan Ha, dapat dilihat dalam hipotesis sebagai berikut: •
Apabila nilai signifikan α 0,05, maka Ho ditolak dan Ha diterima. •
Apabila nilai signifikan α 0,05, maka Ho diterima dan Ha ditolak.
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1
Deskripsi Objek Penelitian
Jenis data yang digunakan dalam penelitian ini adalah data sekunder dan sampel data yang digunakan dalam penelitian ini adalah sebanyak 20 sampel dari
31 sampel perusahaan perbankan yang go public di Bursa Efek Indonesia pada tahun 2007 sampai dengan tahun 2010. Sehingga diperoleh sampel berjumlah 20
x 4 tahun = 80 observasi. Data sampel yang digunkan adalah bank yang menyajikan laporan keuangan publikasi yang telah di audit dari tahun 2007
sampai dengan tahun 2010, yang mana data diperoleh dari media internet dengan cara mendownload laporan keuangan bank-bank yang terdaftar di Bursa Efek
Indonesia melalui situs www.idx.co.id
dan ICMD Indonesia Capital Market Directory.
Nama-nama 20 sampel yang digunakan dalam penelitian ini adalah sebagai berikut:
Daftar Sampel
NO NAMA BANK
KODE 1
Bank Artha Graha Internasional, Tbk INPC
2 Bank Bukopin
BBKP 3
Bank Bumi Artha BNBA
4 Bank Bumi Putera Indonesia, Tbk
BABP 5
Bank Central Asia, Tbk BBCA
6 Bank Danamon Indonesia, Tbk
BDMN 7
Bank Himpunan Saudara 1906 SDRA
8 Bank Kesawan, Tbk
BKSW 9
Bank Mandiri persero, Tbk BMRI
10 Bank Mayapada, Tbk
MAYA
Universitas Sumatera Utara
11 Bank Mega, Tbk
MEGA 12
Bank Negara Indonesia, Tbk BBNI
13 Bank Niaga, Tbk
BNGA 14
Bank Nusantara Parahyangan, Tbk BBNP
15 Bank OCBC NISP, Tbk
NISP 16
Bank Panin Indonesia, Tbk PNBN
17 Bank Permata, Tbk
BNLI 18
Bank Rakyat Indonesia persero, Tbk BBRI
19 Bank Swadesi, Tbk
BSWD 20
Bank Victoria Internasional BVIC
Sumber : Bursa Efek Indonesia tahun 2007-2010
4.2 Analisis Data
Kategori