0,122 dan P- value lebih besar dari 0,15., maka residual regresi linear telah mengikuti distribusi normal.
4.7. Pengaruh Suku Bunga Kredit, Suku Bunga DPK dan
Spread terhadap Laba
Untuk mengetahui seberapa besar pengaruh atau keterkaitan yang dihasilkan dari perubahan suku bunga DPK terhadap laba, dianalisis
dengan MINITAB 14. Hasil perhitungan pengaruh suku bunga kredit terhadap laba dapat dilihat pada Tabel 13.
Tabel 13. Pengaruh suku bunga kredit, suku bunga DPK dan spread
dalam juta rupiah Laba
Suku Bunga Kredit
Suku Bunga DPK
Spread
3.704,77 8.819,97 2.394,71
0,52 6.734,03 17.969,77 4.519,05
1,13 11.495,70 27.476,15 6.763,03
1,68 16.265,37 37.386,77 8.928,68
2,28 21.870,47 47.447,11 11.227,85
2,67 24.751,46 58.040,13 13.478,46
3,12 29.482,62 69.106,62 15.869,80
3,55 35.212,89 80.183,02 18.458,65
3,89 39.073,33 91.925,60 21.215,68
4,02 42.513,54 103.563,74 24.426,40
4,30 49.007,56 115.934,72 27.717,43
4,63 52.267,45 128.609,43 31.308,46
5,26 Persamaan analisis regresi berganda laba terhadap suku bunga kredit, suku
bunga DPK dan spread : Y = -176 + 0,633 X
1
1,09 X
2
1102 X
3
Dimana : Y = laba
X
1
= suku bunga kredit X
2
= suku bunga DPK
X
3
= spread Berdasarkan data yang dapat dilihat pada Lampiran 7, diperoleh
hasil analisis bahwa nilai suku bunga kredit, suku bunga DPK dan spread memiliki nilai Variation Inflation Factor VIF 10. Hal ini berarati
terdapat korelasi yang kuat antar peubah independen, sehingga ada ketidaksesuaian model. Nilai VIF ini mengukur seberapa besar ragam dari
dugaan koefisien regresi meningkat apabila antar peubah penjelas terdapat masalah multikolinear.
Hasil analisis regresi berganda menunjukan bahwa masing-masing peubah independen berpengaruh tidak nyata terhadap laba bersih. Oleh
karena itu, untuk menentukan parameter suku bunga kredit, suku bunga DPK dan spread yang efektif berpengaruh secara nyata terhadap laba
dilakukan pemilihan parameter dengan perintah stepwise regression pada program MINITAB 14.
Stepwise regression merupakan salah satu perintah yang terdapat pada MINITAB 14 dalam tahapan eksplorasi untuk pembentukan model
guna mengidentifikasi peubah independen yang paling penting. Proses tersebut secara sistematis memasukan peubah yang paling nyata atau
menghilangkan peubah yang paling tidak nyata dalam setiap tahapnya. Hasil perhitungan yang diperoleh secara lengkap dapat dilihat pada
Lampiran 8. Peubah yang dipakai pada regresi stepwise adalah suku bunga
kredit, suku bunga DPK dan spread. Berdasarkan hasil analisis yang diperoleh, peubah yang memiliki pengaruh terbesar terhadap laba adalah
variabel peubah bunga kredit dan suku bunga DPK. Hal tersebut dapat dilihat dari nilai P- value yang memiliki nilai lebih kecil dari =0,05.
Setelah diperoleh faktor yang berpengaruh besar, selanjutnya dilakukan analisis terhadap seberapa besar pengaruh yang dihasilkan oleh analisis
regresi berganda Lampiran 9. Analisis regresi setelah dilakukan proses stepwise regression masih
ditemui multikolinearitas, karena nilai VIF masih 10. Hal ini berarti masih terdapat korelasi yang kuat antar peubah independen, sehingga ada
ketidaksesuaian model. Oleh karena itu, untuk menentukan parameter suku bunga kredit, suku bunga DPK dan spread yang efektif berpengaruh
secara nyata terhadap laba dilakukan pemilihan parameter menggunakan
principal component regression dengan menggunakan program MINITAB 14.
Principal component regression pada dasarnya mentransformasikan peubah-peubah bebas yang berkorelasi menjadi
peubah-peubah baru orthogonal dan tidak berkorelasi. Analisis ini bertujuan untuk menyederhanakan peubah-peubah yang diamati dengan
cara mereduksi dimensinya. Hal ini dilakukan dengan menghilangkan korelasi diantara peubah melalui transformasi peubah asal ke peubah baru
komponen utama yang tidak berkorelasi. Hasil perhitungan yang lengkap dapat dilihat pada Lampiran 10.
Untuk mengatasi multikolinear dilakukan analisis komponen utama dengan terlebih dahulu membakukan peubah-peubah X menjadi Z. Hasil
pembakuan tersebut dapat dilihat pada Tabel 14, sedangkan akar ciri dan vektor ciri dari matriks Z terdapat pada Tabel 15.
Tabel 14. Hasil pembakuan peubah-peubah X Z1
Z2 Z3
-1.44312 -1.40956 -1.75552
-1.21032 -1.18152 -1.33843
-0.96844 -0.94064
-0.96237 -0.71628
-0.70817 -0.55212
-0.46031 -0.46136
-0.28546 -0.19079
-0.21976 0.02222
0.09078 0.03694
0.31623 0.37261
0.31484 0.54871
0.67138 0.61080
0.63759 0.96750
0.95546 0.82904
1.28226 1.30874
1.05468 1.60475
1.69423 1.48544
Tabel 15. Nilai akar ciri dan vektor ciri
Principal Component Analysis: Suku Bunga Kredit, Suku Bunga DPK, Spread
Eigenanalysis of the Correlation Matrix Eigenvalue 2.9720 0.0274 0.0006
Proportion 0.991 0.009 0.000 Cumulative 0.991 1.000 1.000
Variable PC1 PC2 PC3 Suku Bunga Kredit -0.579 0.311 0.753
Suku Bunga DPK -0.578 0.495 -0.649 Spread -0.575 -0.811 -0.106
Tabel 16. Skor komponen utama W1
W2 W3
2.65972 0.277512
0.0145147 2.15332
0.124439 -0.0025061
1.65782 0.013831
-0.0166581 1.14158
-0.125471 -0.0212455
0.69738 -0.139999
-0.0169745 0.22476
-0.186169 -0.0034790
-0.25571 -0.210019
0.0107444 -0.71320
-0.173375 0.0179514
-1.10842 -0.006024
0.0415018 -1.58920
0.101381 0.0205235
-2.10542 0.191120
0.0043569 -2.76263
0.132775 -0.0487295
Dari Tabel 16 terlihat bahwa akar ciri pertama menjelaskan sekitar 99,1 dari keragaman total, akar ciri yang berikutnya hanya menjelaskan
masing-masing 0,9 dan 0. Hal ini berarti bahwa dari tiga komponen utama yang diturunkan dari matriks korelasi antar peubah bebas, hanya
sebuah komponen utama yang memegang peranan penting dalam menerangkan keragaman total data, yaitu komponen utama pertama atau
akar ciri yang lebih besar dari 1. Dengan demikian komponen utama pertama yang merupakan kombinasi linear dari Z dapat dinyatakan dalam
persamaan berikut :
W1 = -0,579 Z
1
– 0,578 Z
2
– 0,575 Z
3
Selanjutnya Y diregresikan terhadap skor komponen utama W1, hasil output dengan menggunakan MINITAB 14 dapat dilihat pada
Lampiran 10. Persamaan analisis regresi sederhana laba terhadap skor komponen utama:
Y = 668 + 1,74 W1 Dimana :
Y = laba W1 = skor komponen utama
Bersasarkan hasil regresi di atas, maka peubah W1 ditransformasi menjadi Z, dengan perhitungan sebagai berikut :
Y = 27717 + 5466,339 Z1 + 5456,898 Z2 + 5428,575 Z3
Analisis uji koefisien parsial baku regresi komponen utama dapat dilihat pada Tabel 17, namun untuk perhitungan lebih lengkap dapat
dilihat pada Lampiran 10.
Tabel 17. Analisis nyata koefisien regresi parsial. Peubah
Zi Koefisien i
Simpangan Baku s i
t-hitung t i
Z1 5.466,339 0.00620 881.667,58 Z2 5.456,898 0.00618 882.993,20
Z3 5.428,575 0.00622 872.761,25
Berdasarkan hasil analisis di atas, dapat dijelaskan bahwa semua koefisien regresi nyata secara statistik pada taraf 5. Untuk memperoleh
persamaan penduga laba dengan menggunakan peubah suku bunga kredit, suku bunga DPK dan spread, maka persamaan ditransformasi kembali ke
dalam peubah asli menjadi : Y = -1950,997 + 0,139 X
1
+ 0,586 X
2
+ 3710,578 X
3
Dimana : Y = laba
X
1
= suku bunga kredit X
2
= suku bunga DPK
X
3
= Spread Hasil analisis regresi di atas dipeoleh adalah Laba = -1950,997 +
0,139 suku bunga kredit + 10,586 suku bunga DPK + 3710,578 spread. Nilai intersep -1950,997, yang berarti bahwa nilai dugaan laba dalam satu
tahun pada saat suku bunga kredit, suku bunga DPK dan spread sama dengan nol, yaitu Rp. -1950,997 juta, nilai 0,139, 0,586 dan 3710,578
disebut koefisien regresi suku bunga kredit, suku bunga DPK dan spread bermakna jika peubah suku bunga kredit dinaikan 1, maka laba naik Rp.
139 ribu dan jika peubah suku bunga DPK dinaikan 1, maka laba naik Rp. 586 ribu.
Jika peubah spread dinaikan 1, maka laba naik Rp. 3710,578 juta. Nilai koefisien regresi suku bunga kredit, suku bunga DPK dan
spread adalah positif yang menunjukan dengan peningkatan setiap peubah suku bunga kredit, suku bunga DPK dan spread akan mengakibatkan
peningkatan laba. Nilai determinasi dapat dilihat dari nilai R-Sq 99,1, yang berarti bahwa 99,1 variasi contoh jumlah laba dijelaskan oleh
faktor suku bunga kredit, suku bunga DPK dan spread dan sisanya dijelaskan oleh fakor lainnya.
4.8. Analisis Rate Sensitive Assets dan Rate Sensitive Liabilities
Kategori