42
B. Metode Analisis
1. Analisis Regresi
Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada tidaknya korelasi atau hubungan antar variabel. Istilah
regresi yang berarti ramalan atau taksiran pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1877, sehubungan dengan penelitiannya
terhadap tinggi manusia. Garis yang menunjukkan hubungan tersebut disebut garis regresi. Analisis regresi lebih akurat dalam melakukan
analisis korelasi, karena pada analisis itu kesulitan dalam menunjukkan slope tingkat perubahan suatu variabel terhadap variabel lainnya dapat
ditentukan. Jadi, dengan analisis regresi, peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih akurat pula Hasan,
1999:246. Persamaan regresi yang digunakan dalam penelitian ini adalah
persamaan regresi linear berganda dengan metode persamaan kuadrat terkecil atau Ordinary Least Square OLS, yaitu persamaan matematik
yang menyatakan hubungan antara sebuah variabel tak bebas variabel dependen dengan beberapa variabel bebas variabel independen.
Wijaya, 2001:80. Persamaan garis regresi adalah suatu model persamaan garis yang
menunjukkan kepekaan variabel bebas akan mempengaruhi variabel terikatnya. Persamaan untuk regresi berganda dalam penelitian ini dapat
dinyatakan dalam persamaan garis sebagai berikut :
43
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ €
i
Persamaan : instrumen kebijakan moneter terhadap kinerja bank
Dimana: Y
= Kinerja Bank a
= Intersept b
1
-b
3
= Koefisien Regresi X
1
= Sertifikat Bank Indonesia SBI X
2
= Giro Wajib Minimum GWM X
3
= Sertifikat Bank Indonesia Syariah SBIS €
i
= Error term
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji Normalitas bertujuan untuk mengkaji apakah dalam model regresi variabel dependen, dan varibel independen, atau keduanya
mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
44
Salah satu metode untuk mengetahui Normalitas adalah dengan menggunakan metode analisis grafik secara histogram
dengan melihat nilai probabilitas dari Jarque-Bera, jika probabilitas bernilai lebih besar dari 5 persen maka dapat dikatakan bahwa data
berdistribusi normal, dan sebaliknya jika probabilitas bernilai kurang dari 5 persen maka dikatakan bahwa data tidak berdistribusi normal.
b. Uji Multikolinearitas
Istilah koleniaritas ganda Multicolinearity yang berarti adanya hubungan linier yang sempurna atau eksak di antara variabel-
variabel bebas dalam model regresi diciptakan oleh Ranger Fish di dalam bukunya “Statistical Confluence Analysis by Means of
Complete Regressions Systems”. Uji Multikolinearitas digunakan untuk mendeteksi ada tidaknya
hubungan antar beberapa atau semua variabel independen dalam model regresi. Multikolinearitas merupakan keadaan di mana satu
atau lebih variabel independen dinyatakan sebagai kondisi linier dengan variabel lainnya. Artinya bahwa jika di antara pengubah-
pengubah bebas yang digunakan sama sekali tidak berkorelasi satu dengan yang lain maka bisa dikatakan tidak terjadi Multikolinearitas.
Untuk menguji asumsi Multikolinearitas dapat digunakan uji Correlation Matrix. Jika antar variabel independen ada korelasi yang
45
cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi bahwa adanya Multilinearitas.
c. Uji Autokorelasi
Salah satu asumsi dari model regresi linear klasik adalah bahwa tak ada autokorelasi atau korelasi serial autocorrelation or serial
correlation antara kesalahan pengganggu €i. Istilah autokorelasi autocorrelation menurut Kendall dan
Buckland 1986:211 adalah autokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut urutan waktu seperti
data time-series atau menurut urutan tempat atau ruang seperti data cross-section, atau korelasi pada dirinya sendiri.
Autokorelasi dapat didefinisikan pula terjadinya korelasi di antara data pengamatan sebelumnya, dengan kata lain bahwa
munculnya suatu data dipengaruhi oleh data sebelumnya. Autokorelasi bertujuan untuk menguji apakah dalam model linear
ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika trerjadi korelasi, maka
dinamakan ada problem autokorelasi. Tentu saja model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Untuk mendeteksi terjadi autokorelasi atau tidak, dapat digunakan uji Breusch-Godfrey dengan melihat probabilitas dari
ObsR-squared. Jika probabilitasnya bernilai lebih besar dari 5
Kategori