Jenis Data Metode Pengumpulan Data Data Penelitian

32 6. Bank CIMB Niaga Tbk. BNGA 29 November 1989 7. Bank Danamon Indonesia Tbk. BDMN 6 Desember 1989 8. Bank Himpunan Saudara 1906 Tbk. SDRA 15 Desember 2006 9. Bank Kesawan Tbk. BKSW 21 November 2002 10. Bank Mandiri Persero Tbk. BMRI 14 Juli 2003 11. Bank Mayapada Tbk. MAYA 29 Agustus 1997 12. Bank Mega Tbk. MEGA 17 April 2000 13. Bank Negara Indonesia Tbk. BBNI 25 November 1996 14. Bank Nusantara Parahyangan Tbk. BBNP 10 Januari 2001 15. Bank OCBC NISP Tbk. NISP 20 Oktober 1994 16. Bank Pan Indonesia Tbk. PNBN 29 Desember 1982 17. Bank Permata Tbk. BNLI 15 Januari 1990 18. Bank Rakyat Indonesia Tbk. BBRI 11 November 2003 19. Bank of India Indonesia Tbk. BSWD 1 Mei 2002 20. Bank Victoria International Tbk. BVIC 30 Juni 1999

3.6 Jenis Data

Data yang digunakan berupa data sekunder. Data sekunder adalah data yang diperoleh peneliti secara tidak langsung melalui media perantara diperoleh dan dicatat oleh pihak lain. Data sekunder umumnya berupa bukti, catatan atau laporan historis yang telah tesusun dalam arsip data dokumenter yang dipublikasikan dan yang tidak dipublikasikan. Data yang diperoleh adalah data kuantitatif, yaitu data yang diukur dalam suatu skala numerik. Sifat data ini adalah data time series dan data cross section. Penelitian ini mengambil data dari 21 perusahaan perbankan selama periode 4 tahun series yaitu tahun 2008 sampai tahun 2011.

3.7 Metode Pengumpulan Data

8QLYHUVLWDV6 XPDWHUD8WDUD 33 Metode pengumpulan data adalah cara yang digunakan peneliti untuk mengumpulkan data penelitiannya. Agar diperoleh data dan keterangan yang lengkap maka harus digunakan teknik pengumpulan data yang tepat. Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumentasi. Metode dokumentasi adalah metode pengumpulan data yang bersumber pada benda-benda tertulis. Metode ini dilakukan dengan cara melihat dan mempelajari dokumen- dokumen serta mencatat data tertulis yang ada hubungannya dengan objek penelitian. Metode dokumentasi dalam penelitian ini adalah mengambil data laporan keuangan perusahaan perbankan yang go public di Bursa Efek Indonesia, melalui website Indonesia Stock Exchange IDX yaitu www.idx.co.id .

3.8 Teknik Analisis

Teknik analisis yang akan dilakukan dalam penelitian ini adalah analisis data kuantitatif, untuk memperkirakan secara kuantitatif pengaruh dari beberapa variabel independen secara bersama-sama maupun secara sendiri send iri terhadap variabel dependen. Hubungan fungsional antara satu variabel dependen dengan variable independen dapat dilakukan dengan regresi berganda dan menggunakan data gabungan antara cross section dan time series. Metode analisis yang digunakan adalah regresi model linier dengan model sebagai berikut : = � + � + � + � + � + � Keterangan : Y = Nilai Perusahaan Price to Book Value-PBV 8QLYHUVLWDV6 XPDWHUD8WDUD 34 α = Konstanta βi = Koefisien regresi X1 = Rasiol leverage X2 = Profitabilitas X3 = Earning per share X4 = Ukuran perusahaan e = Tingkat kesalahan variabel pengganggu Ketepatan fungsi regresi dalam menaksir nilai actual dapat dilihat dari nilai R 2 atau koefisien determinasi yang ditunjukkan dalam tabel Model Summary dengan kriteria pengambilan keputusan sebagai berikut : Tabel 3.4 Hubungan antar Variabel Nilai Interpretasi 0.0 - 0.19 Sangat Tidak Erat 0.2 - 0.39 Tidak Erat 0.4 - 0.59 Cukup Erat 0.6 - 0.79 Erat 0.8 - 0.99 Sangat Erat Sumber : Situmorang dkk 2008 : 114 Penelitian ini bersifat fundamental method sehingga koefisien regresi sangat penting karena digunakan sebagai dasar analisis. Koefisien b akan bernilai positif + jika menunjukkan hubungan yang searah antara variabel independen dengan variabel dependen. Artinya kenaikan variabel indepe nden akan mengakibatkan kenaikan variabel dependen, begitu pula sebaliknya jika variabel independen mengalami penurunan. Model persamaan yang diperoleh dari pengolahan data diupayakan tidak terjadi gejala 8QLYHUVLWDV6 XPDWHUD8WDUD 35 multikolinieritas, heterokedastisitas dan autokorelasi. Untuk mengetahui ada tidaknya gejala-gejala tersebut akan dilakukan uji asumsi klasik terlebih dahulu.

3.8.1 Statistik Deskriptif

Analisis deskriptif merupakan analisis yang paling mendasar untuk menggambarkan keadaan data secara umum. Statistik deskriptif memberikan gambaran nilai paling kecil minimum, nilai paling besar maximum, nilai rata-rata mean, dan standar deviasi standard deviation dari suatu data.

3.8.2 Pengujian Asumsi Klasik

Uji asumsi klasik digunakan untuk mengetahui kondisi data yang digunakan dalam penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat, yaitu memenuhi model estimasi yang Best Linier Unbiased Estimator BLUE. Model analisis regresi linier penelitian ini mensyaratkan uji asumsi terhadap data yang meliputi : uji normalitas, uji multikolinearitas, uji heterokedastisitas, dan uji autokorelasi.

3.8.2.1 Uji Normalitas Data

Uji normalitas dilakukan untuk mengetahui apakah variabel dependen, variabel independen atau keduanya berdistribusi normal, mendekati normal atau tidak Umar, 2008 : 181. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan 8QLYHUVLWDV6 XPDWHUD8WDUD 36 bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini tidak dipenuhi, maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Uji normalitas dapat dilakukan dengan pendekatan histogram, pendekatan grafik dan uji Kolmogorv-Smirnov. Model regresi yang baik adalah regresi yang berdistribusi normal atau mendekati normal. Pada prinsipnya normalitas data dapat dilihat dari penyebaran data pada diagonal grafik atau histogram dari diagonalnya. Data normal dan tidak normal dapat diuraikan sebagai berikut Ghozali, 2005 : 1. Jika data menyebar disekitar garis diagonal atau grafik histogramnya, menunjukkan pola terdistribusi normal, maka model regresi memenuhi asumsi normalitas 2. Jika data menyebar jauh dari garis diagonal atau grafik histogramnya, tidak menunjukkan pola terdistribusi norma, maka model regresi tidak memenuhi asumsi normalitas. Dalam pendekatan histogram, variabel berdistribusi normal jika grafik histogram memperlihatkan distribusi data tidak menceng ke kiri atau menceng ke kanan. Dalam pendekatan grafik, variabel berdistribusi normal jika scatterplot menunjukkan titik-titik yang mengikuti data berada di sepanjang garis diagonal. Namun demikian uji normalitas dengan grafik dapat menyesatkan apabila tidak hati- hati secara visual, kemungkinan bisa kelihatan normal,akan tetapi secara statistik tidak menunjukkan hasil 8QLYHUVLWDV6 XPDWHUD8WDUD 37 yang sebenarnya, artinya data tersebut tidak normal. Oleh karena itu disarankan untuk menguji secara grafik dan statistic yang disebut uji Kolmogorv- Smirnov, dengan ketentuan variabel berdistribusi normal jika table menunjukkan nilai Asymp. Sig di atas nilai signifikan 5 0.05. H0 5 HA 5

3.8.2.2 Uji Multikolinearitas

Uji multikolinieritas dilakukan untuk mengetahui apakah pada model regresi ditemukan adanya korelasi antarvariabel independen. Multikolinieritas adalah situasi adanya korelasi variabel- variabel independen antara yang satu dengan yang lainnya. Menurut Motgomery dan Peck dalam Situmorang dkk 2008 : 97, beberapa sumber penyebab multikolinieritas adalah sebagai berikut : 1. Metode pengumpulan data yang digunakan membatasi nilai dari variabel regressor. 2. Kendala-kendala model pada populasi yang diamati. 3. Spesifikasi model. 4. Penentuan jumlah variabel eksplanatoris yang lebih banyak dari jumlah observasi atau overdetermined model. 5. Data time series, dimana nilai trend tercakup dalam nilai variabel eksplanatoris yang ditunjukkan oleh penurunan tau peningkatan sejalan dengan waktu. Multikolinieritas dapat dilihat dari nilai tolerance dan Variance Inflation Factor VIF. Tolerance digunakan untuk mengukur 8QLYHUVLWDV6 XPDWHUD8WDUD 38 variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. VIF adalah suatu estimasi berapa besar multikolinieritas meningkatkan varian pada suatu koefisien estimasi sebuah variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah Tolerance 0.1 dan VIF 5 dengan kriteria sebagai berikut : Tabel 3.5 Kriteria Keputusan dalam Uji Multikolinieritas VIF 5 Diduga mempunyai persoalan multiko linieritas VIF 5 Tidak terdapat multikolinieritas Tolerance 0.1 Diduga mempunyai persoalan multiko linieritas Tolerance 0.1 Tidak terdapat multikolinieritas Sumber : Situmorang dkk 2008 : 104 3.8.2.3 Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan untuk mengetahui apakah dalam sebuah model regresi linier terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lainnya Umar, 2008 : 179. Umumnya heteroskedastisitas sering terjadi pada model yang menggunakan data cross section silang waktu daripada data time series runtut waktu, hal ini bukan berarti bahwa model yang menggunakan data runtut waktu bebas dari heteroskedastisitas. Model regresi yang baik adalah heteroskedastisitas tidak terjadi pada model regresi atau model regresi dengan varian residual bersifat 8QLYHUVLWDV6 XPDWHUD8WDUD 39 homokedastisitas atau bersifat tetap konstan. Uji heteroskedastisitas dapat dilakukan dengan analisis grafik dan uji Park. Dalam analisis grafik, heteroskedastisitas tidak terjadi jika grafik pada scatterplot menunjukkan titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas dan tersebar baik di atas mauoun di bawah angka nol pada sumbu Y. dalam uji Park, heteroskedastisitas tidak terjadi jika pada table menunjukkan semua variabel independen tidak signifikan sig 0.05

3.8.2.4 Uji Autokolerasi

Uji autokorelasi dilakukan untuk mengetahui apakah dalam sebuah model linier terdapat hubungan yang kuat baik positif maupun negatif antardata yang ada pada variabel- variabel penelitian Umar, 2008 : 182. Menurut Erlina 2011 : 106, uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Menurut Situmorang dkk 2008 : 79, beberapa alasan penyebab terjadinya autokorelasi adalah sebagai berikut : 1. Inersia, yaitu terjadinya kelembaman atau kelambanan data ekonomi. 2. Bias spesifikasi mengeluarkan variabel yang relevan dari model. 3. Bias spesifikasi : bentuk fungsional yang tidak benar. 4. Fenomena Cobweb. 5. Tenggang waktu lags. 8QLYHUVLWDV6 XPDWHUD8WDUD 40 6. Manipulasi data. 7. Non-stasioneritas, yaitu data time series sering mengalami rata-rata varians dan kovarians tidak konstan sejalan dengan waktu. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji autokorelasi dapat dilakukan dengan uji Durbin Watson dengan kriteria pengambilan keputusan sebagai berikut : Tabel 3.6 Kriteria Keputusan dalam Uji Autokorelasi Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dL Tidak ada autokorelasi positif No decision dL ≤ d ≤ dU Tidak ada korelasi negatif Tolak 4 -dL d 4 Tidak ada korelasi negatif No decision 4 - dU ≤ d ≤ 4 –dL Tidak ada autokorelasi positif atau negative Tidak ditolak dU d 4 – dU Sumber : Situmorang dkk 2008 : 86

3.8.3 Pengujian Hipotesis

Uji hipotesis dilakukan untuk mengetahui apakah hasil suatu perhitungan statistik yang diperoleh signifikan atau tidak signifikan. Untuk menguji hipotesis penelitian yang telah dirumuskan sebelumnya, apakah hipotesis penelitian diterima atau ditolak dilakukan melalui uji t uji parsial dan uji F uji simultanserempak.

3.8.3.1 Uji t Uji Parsial

Uji t adalah uji yang menunjukkan seberapa besar pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen K uncoro, 2003 : 218. Uji t dilakukan dengan membandingkan t hitung dengan t tabel dengan ketentuan : 8QLYHUVLWDV6 XPDWHUD8WDUD 41 H diterima dan H a ditolak jika t hitung t tabel untuk α = 0.05 H a diterima dan H ditolak jika t hitung t tabel untuk α = 0.05

3.8.3.2 Uji F Uji Simultan

Uji F adalah uji yang menunjukkan apakah semua variabel independen yang terdapat dalam model regresi mempunyai pengaruh secara bersama-sama terhadap variabel dependen Kuncoro, 2003 : 219. Uji F dilakukan dengan membandingkan F hitung dengan F tabel dengan ketentuan : H diterima dan H a ditolak jika F hitung F tabel untuk α = 0,05 H a diterima dan H ditolak jika F hitung F tabel untuk α = 0,05 8QLYHUVLWDV6 XPDWHUD8WDUD 42 BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Populasi yang digunakan dalam penelitian ini adalah perusahaan perbankan yang terdaftar di Bursa Efek Indonesia selama tahun 2008-2011. Perusahaan yang memenuhi kriteria pemilihan sampel berjumlah 20 perusahaan. Berikut ini merupakan daftar perusahaan yang menjadi sampel dalam penelitian : Tabel 4.1 Daftar Perusahaan Perbankan yang Dijadikan Sampel N O. Nama Perusahaan Kode Listing Date 1. Bank Artha Graha Internasional Tbk. INPC 29 Agustus 1990 2. Bank Bukopin Tbk. BBKP 10 Juli 2006 3. Bank Bumi Artha Tbk. BNBA 31 Desember 1999 4. Bank Capital Indonesia Tbk. BACA 4 Oktober 2007 5. Bank Central Asia Tbk. BBCA 31 Mei 2000 6. Bank CIMB Niaga Tbk. BNGA 29 November 1989 7. Bank Danamon Indonesia Tbk. BDMN 6 Desember 1989 8. Bank Himpunan Saudara 1906 Tbk. SDRA 15 Desember 2006 9. Bank Kesawan Tbk. BKSW 21 November 2002 10. Bank Mandiri Persero Tbk. BMRI 14 Juli 2003 11. Bank Mayapada Tbk. MAYA 29 Agustus 1997 12. Bank Mega Tbk. MEGA 17 April 2000 13. Bank Negara Indonesia Tbk. BBNI 25 November 1996 14. Bank Nusantara Parahyangan Tbk. BBNP 10 Januari 2001 15. Bank OCBC NISP Tbk. NISP 20 Oktober 1994 16. Bank Pan Indonesia Tbk. PNBN 29 Desember 1982 8QLYHUVLWDV6 XPDWHUD8WDUD 43 17. Bank Permata Tbk. BNLI 15 Januari 1990 18. Bank Rakyat Indonesia Tbk. BBRI 11 November 2003 19. Bank of India Indonesia Tbk. BSWD 1 Mei 2002 20. Bank Victoria International Tbk. BVIC 30 Juni 1999 Sumber: Penulis, 2013 Periode penelitian dimulai dari tahun 2008 sampai dengan tahun 2011 4 tahun berturut-turut sehingga data penelitian secara keseluruhan yaitu : 4 tahun observasi x 20 sampel adalah sebanyak 80 sampel observasi. Berikut adalah tabel data mengenai variabel- variabel yang akan diuji dalam penelitian ini: Tabel 4.2 Variabel-variabel yang akan diuji No Kode Perusahaan Tahun PBV DAR ROI EPS SIZE 1 INPC 2008 0.32 0.92 0.17 2.54 16.36 2009 0.68 0.93 0.27 4.88 16.55 2010 0.87 0.93 0.49 9.76 16.65 2011 0.71 0.93 0.39 12 9.86 2 BBKP 2008 0.53 0.93 1.13 65 17.30 2009 0.85 0.93 0.97 63 17.43 2010 1.39 0.94 1.04 86 17.67 2011 1.05 0.92 0.64 94 10.95 3 BNBA 2008 0.35 0.80 1.35 12 14.53 2009 0.74 0.82 1.17 12 14.69 2010 0.87 0.83 1.01 12 14.79 2011 0.67 0.84 0.55 18 7.99 4 BACA 2008 0.79 0.88 0.71 8 14.34 2009 0.88 0.85 0.65 5 15.05 2010 0.85 0.87 0.53 5 15.29 2011 1.19 0.87 0.47 14 8.45 5 BBCA 2008 3.44 0.90 2.35 234 19.31 2009 4.29 0.90 2.41 276 19.45 2010 4.63 0.89 2.61 344 19.59 2011 5.69 0.88 1.41 437 12.85 6 BNGA 2008 1.27 0.90 0.66 28.33 18.45 2009 1.52 0.89 1.46 65.51 18.48 8QLYHUVLWDV6 XPDWHUD8WDUD 44 2010 3.32 0.90 1.77 106.45 18.78 2011 1.67 0.89 1.01 129 12.02 7 BDMN 2008 1.48 0.78 1.43 305 18.49 2009 2.42 0.83 1.55 183 18.40 2010 2.60 0.84 2.44 343 18.58 2011 1.52 0.81 1.21 352 11.86 8 SDRA 2008 0.37 0.89 1.90 25 14.49 2009 1.66 0.89 1.48 22 14.69 2010 1.71 0.88 1.85 26 14.99 2011 1.08 0.90 1.25 43 8.53 9 BKSW 2008 2.48 0.93 0.14 6 14.58 2009 2.60 0.92 0.17 6 14.66 2010 3.66 0.93 0.05 2 14.76 2011 2.83 0.75 0.33 1 8.18 10 BMRI 2008 1.39 0.91 1.48 255 19.69 2009 2.81 0.91 1.81 342 19.79 2010 3.29 0.90 2.05 440 19.92 2011 2.51 0.88 1.37 535 13.22 11 MAYA 2008 4.53 0.82 0.74 17 15.52 2009 4.33 0.86 0.54 17 15.84 2010 2.77 0.85 0.76 25 16.12 2011 2.66 0.87 0.42 58 9.46 12 MEGA 2008 1.98 0.91 0.44 309 17.36 2009 2.15 0.91 0.35 169 17.49 2010 2.31 0.91 0.84 299 17.75 2011 2.62 0.92 0.84 277 11.03 13 BBNI 2008 0.67 0.97 0.61 80 19.12 2009 1.58 0.91 1.09 163 19.24 2010 2.18 0.90 0.65 220 19.33 2011 1.87 0.87 1.05 321 12.60 14 BBNP 2008 1.41 0.90 0.77 90 15.12 2009 1.11 0.90 0.75 93 15.17 2010 0.99 0.90 0.90 114 15.47 2011 0.93 0.91 0.57 164 8.79 15 NISP 2008 1.12 0.89 0.93 55 17.34 2009 1.41 0.88 1.18 75 17.42 2010 2.18 0.89 0.67 55 17.61 2011 1.15 0.88 0.59 107 10.99 16 PNBN 2008 1.48 0.86 1.24 39 17.98 2009 1.70 0.85 1.33 43 18.17 2010 2.24 0.87 0.97 59 18.50 2011 1.18 0.87 0.76 93 11.73 17 BNLI 2008 0.88 0.91 0.84 58 17.80 2009 1.28 0.91 0.86 63 17.84 8QLYHUVLWDV6 XPDWHUD8WDUD 45 2010 2.04 0.89 0.84 115 18.11 2011 1.34 0.90 0.81 131 11.52 18 BBRI 2008 2.52 0.90 2.42 483 19.32 2009 3.46 0.91 2.31 593 19.57 2010 3.53 0.90 2.84 930 19.81 2011 3.34 0.89 1.79 620 13.06 19 BSWD 2008 1.84 0.79 2.22 22 14.12 2009 1.72 0.80 3.29 43 14.24 2010 1.63 0.79 3.06 40 14.26 2011 1.50 0.83 1.35 56 7.64 20 BVIC 2008 0.62 0.90 0.63 10 15.54 2009 0.84 0.91 0.63 12 15.81 2010 0.84 0.92 1.04 28 16.14 2011 0.70 0.89 1.64 32 9.37 4.2 Hasil Penelitian 4.2.1 Statistik Deskriptif