Analisis dan Uji Hipotesis

Pada tahun 2005, Bank dengan tingkat ROA tertinggi masih sama dengan tahun sebelumnya adalah Bank Rakyat Indonesia sebesar 5,04 sedangkan tingkat ROA terendah dimiliki oleh Bank Bumiputera sebesar -1,24 . Pada tahun 2005 Rata-rata ROA pada sektor perbankan turun menjadi 1,65. Pada tahun 2006, Bank dengan tingkat ROA tertinggi adalah Bank Rakyat Indonesia yaitu sebesar 4,36 sedangkan tingkat ROA terendah dimiliki oleh Bank Eksekutif International sebesar -1,41 . Pada tahun 2004 Rata-rata ROA pada sektor perbankan kembali menurun dari tahun sebelumnya menjadi 1,57. Pada tahun 2007, Bank dengan tingkat ROA tertinggi adalah Bank Rakyat Indonesia yaitu sebesar 4,61 sedangkan tingkat ROA terendah dimiliki oleh Bank Eksekutif International sebesar 0,05 . Pada tahun 2007 Rata-rata ROA pada sektor perbankan mengalami perbaikan dari tahun sebelumnya dengan meningkat menjadi 1,83.

4.3. Analisis dan Uji Hipotesis

4.3.1. Uji Normalitas

Normalitas adalah Sebuah model regresi yang variabel Dependen dan Independen atau keduanya mempunyai distribusi normal atau tidak. Deteksi Normalitas menggunakan uji Kolmogorov-Smirnov. Dikatakan data dipastikan dari populasi yang berdistribusi normal jika nilai signifikansinya lebih besar dari 0,05 5. Dengan menggunakan uji ini diperoleh hasil analisis bahwa semua variabel Y, X 1, X 2, dan X 3,. berasal dari populasi yang berdistribusi normal, sehingga dapat disimpulkan memenuhi asumsi berdistribusi normal. Seperti pada tabel normalitas data berikut: Tabel 3 : Nilai Signifikasi Uji Normalitas Sumber : Lampiran 2 Hasil analisis diatas menunjukkan bahwa kesemua data variabel telah memenuhi asumsi data yang berdistribusi normal.

4.3.2. Uji Asumsi Klasik Regresi BLUE

Pengujian asumsi klasik ini perlu dilakukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar- benar terbebas dari adanya gejala autokorelasi, gejala multikolinearitas, dan gejala heterokedastisitas. Dan hasil pengujian disajikan sebagai berikut:

4.3.2.1. Uji Autokorelasi

Autokorelasi : Adanya korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 sebelumnya. Jika data di atas 15. Catatan: Autokorelasi pada sebagian besar data time series. Deteksi Autokorelasi: a. Besarnya Angka Durbin Watson Patokan : 1. Angka D-W di bawah –2 ada autokorelasi positif 2. Angka D-W di atas +2 ada autokorelasi negatif 3. Angka berada diantara –2 sampai +2 Tidak ada Autokorelasi Identifikasi gejala autokorelasi dapat dilakukan dengan kurva di bawah ini. Tidak ada autokorelasi positif dan tidak ada autokorelasi negatif dL dU 4 - dU 4 - dL 4 ada a ut o kore la si pos it if daerah keragu raguan ada a ut o kore la si ne ga ti f daerah keragu raguan a. Koefisien determinasi berganda R square tinggi b. Koefisien korelasi sederhananya tinggi. c. Nilai F hitung tinggi signifikan d. Tapi tak satupun atau sedikit sekali diantara variabel bebas yang signifikan. Untuk asumsi klasik yang mendeteksi adanya autokorelasi di sini dilihat dari hasil analisis yang menunjukkan hasil bahwa nilai Durbin Watson sebesar 1,809, hal ini menunjukkan Tidak adanya gejala autokorelasi. Tabel 4: Durbin Watson pada Model Summary Sumber: Lampiran 2 Dengan menggunakan acuan patokan hasil analisis deteksi autokorelas dapat disimpulkan bahwa model regresi linier berganda yang diperoleh pada penelitian ini Tidak Terjadi Autokorelasi, sehingga memenuhi asumsi klasiknya. 4.3.2.2. Uji Multikolinearitas Multikolonearitas adalah adanya korelasi variabel independen dalam regresi linier berganda. Untuk mengetahui ada tidaknya multikolinear antar variabel, salah satu caranya adalah dengan melihat dari nilai Variance Inflation Factor VIF dimana nilai VIF= 1TOL, jika VIF tidak lebih besar dari 10 maka suatu model dapat dikatakan tidak terjadi multikolinearitas Suliyanto, 2005: 75. Dalam pengujian asumsi klasik terhadap analisis regresi linier berganda ini menyatakan bahwa hasil analisis penelitian ini tidak menunjukkan adanya gejala multikolinieritas dimana nilai VIF pada variabel tidak lebih besar dari 10 maka variabel ini disimpulkan tidak terdapat gejala multikolinieritas dengan variabel independen lainnya. Dengan nilai VIF untuk NPL X 1 = 1,008, CAR X 2 = 1,009 , dan LDR X 3 = 1,011 Tabel 5 : Uji Multikolinieritas Sumber: Lampiran 2

4.3.2.3. Uji Heterokedastisitas

Heteroskedastisitas adalah Varian dari residual dari satu pengamatan ke pengamatan lain mempunyai varian yang berbeda. Jika sama namanya Homoskedastisitas. Model regresi yang baik tidak mempunyai Heteroskedastisitas. Deteksi Adanya Heteroskedastisitas : a. Dari Scatter Plot Residual: jika ada pola tertentu seperti titik-titik point-point yang ada membentuk pola tertentu yang teratur bergelombang, menyebar kemudian menyempit b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas. c. Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan cara menghitung korelasi rank Spearman antara residual dengan seluruh variabel bebas. Rumus rank Spearman adalah : r s = 1 – 6   1 N N d 2 2 i   Keterangan : d i = perbedaan dalam rank antara residual dengan variabel bebas ke-i N = banyaknya data Pengujian Heteroskedastisitas di sini menggunakan korelasi rank Spearman antara residual dengan seluruh variabel bebas dengan hasil analisis sbb: Tabel 6 : Uji Heteroskedastisitas Nonparametric Correlations Sumber: lampiran 3 Hasil analisis menunjukkan bahwa pada variabel untuk untuk NPL X 1 , CARX 2 , dan LDR X 3 tidak mempunyai korelasi yang signifikan antara residual dengan variabel bebasnya, maka hasil analisis ini dapat disimpulkan semua variabel penelitian tidak terjadi heteroskedastisitas, sehingga dapat disimpulkan bahwa semua variabel penelitian memenuhi asumsi Non Heteroskedastisitas.

4.3.3. Analisis Linier Berganda

Hasil analisis pengaruh antara variabel bebas yang terdiri dari Non Performing Loan, Capital Adequacy Ratio, Loan to Deposit Ratio terhadap variabel terikat Profitabilitas diperoleh hasil sebagai berikut: Tabel 7 : Hasil Regresi Linear Berganda Sumber: lampiran 4 Berdasarkan tabel 7 di atas dapat diketahui persamaan regresi linier berganda sebagai berikut: Y = - 0,002 - 0.060 X 1 + 0.120 X 2 + 0.003 X 3 Dari persamaan regresi linier berganda diatas dapat diuraikan sebagai berikut: a. Konstanta β = -0,002 Hal ini menunjukkan besarnya nilai variabel profitabilitas. Jika variabel Non Performing Loan X1, Capital Adequcy Ratio X2, Loan to deposit ratio x3 sama dengan nol maka profitabilitas sebesar - 0,002 b. Koefisien Regresi NPL β 1 = -0,060 Berdasarkan koefisien variabel Non Performing Loan X1 diperoleh nilai -0,060 dan mempunyai koefisien regresi negatif. Hal ini menunjukkan terjadinya perubahan yang berlawanan arah dengan variabel terikat, artinya bahwa setiap kenaikan satu persen variabel NPL X1 menyebabkan profitabilitas y menurun sebesar 0,060, dengan asumsi variabel bebas lainnya adalah konstan. c. Koefisien Regresi CAR β 2 = 0,120 Berdasarkan koefisien regresi variabel Capital Adequcy Ratio X2 diperoleh nilai 0,120 dan dan mempunyai koefisien regresi positif. Hal ini menunjukkan terjadinya perubahan yang searah dengan variabel terikat, artinya bahwa kenaikan 1 persen variabel CAR menyebabkan profitabilitas meningkat sebesar 0,120, dengan asumsi variabel bebas lainnya adalah konstan. d. Koefisien Regresi LDR β 3 = 0,003 Berdasarkan koefisien regresi variabel LDR X3 diperoleh nilai 0,003 dan mempunyai koefisien regresi positif. Hal ini menunjukkan terjadinya perubahan yang searah dengan variabel terikat, artinya bahwa kenaikan 1 persen variabel LDR menyebabkan profitabilitas meningkat sebesar 0,003dengan asumsi variabel bebas lainnya adalah konstan.

4.3.4. Analisis Hasil Uji Hipotesis

4.3.4.1. Analisis Secara Parsial

Uji hipotesis yang pertama adalah uji t yang digunakan untuk menguji pengaruh secara parsial maisng- masing variabel bebas NPL X 1 , CAR X 2 , LDR X 3 , berpengaruh terhadap variabel terikat ROA Y. Pengujian ini menggunakan uji dua arah dengan tingkat signifikasi 5. Berikut ini adalah hasil dari uji t. Tabel 8 : Hasil Uji t Sumber : lampiran 5 Berdasarkan hasil uji t dapat dijelaskan sebagai beikut: 1. Pengaruh Secara Parsial Antara Non Performing Loan X 1 terhadap Profitabilitas Y Berdasarkan hasil uji t diperoleh nilai signifikasi sebesar 0,162 atau lebih besar dari 0,05 yang berarti bahwa pengaruh Non Performing Loan X 1 terhadap Profitabilitas Y tidak teruji kebenarannya sehingga H O diterima dan H a ditolak. 2. Pengaruh Secara Parsial Antara Capital Adequacy Ratio X 2 terhadap profitabilitas Y Berdasarkan hasil uji t diperoleh nilai signifikasi sebesar 0,000 atau kurang dari 0,05 yang berarti bahwa pengaruh Capital Adequacy Ratio X 2 terhadap Profitabilitas Y teruji kebenarannya sehingga H O ditolak dan H a diterima. 3. Pengaruh Secara Parsial Antara Loan To Deposit Ratio X 3 terhadap profitabilitas Y Berdasarkan hasil uji t diperoleh nilai signifikasi sebesar 0,550 atau lebih dari 0,05 yang berarti bahwa pengaruh Loan To Deposit Ratio X 3 terhadap Profitabilitas Y tidak teruji kebenarannya sehingga H O diterima dan H a ditolak.

4.3.4.2. Uji Kecocokan Model

Algifari 2000: 72 mengemukakan bahwa uji f digunakan untuk kecocokan model pengaruh antara variabel X 1, X 2,, X 3 berpengaruh terhadap variabel Y. Berikut ini adalah hasil dari Uji f: Tabel 9 : Hasil Uji f Sumber: lampiran 4 Sumber: lampiran 4 Bedasarkan hasil pengujian yang dilakukan, diperoleh besarnya nilai koefisien korelasi R adalah 0,542 atau 54,2 yang berarti bahwa seluruh variabel bebas memiliki hubungan yang cukup kuat dengan variabel terikat yang diteliti, selanjutnya dari nilai koefisien korelasi tersebut dapat diketahui nilai koefisien determinasi. Besarnya nilai koefisien determinasi R Square yang diperoleh sebesar 0,294. Yang berarti bahwa seluruh variabel bebas yang diteliti mampu mempengaruhi variabel terikat 29,4 sedangkan sisanya sebesar 70,6 dijelaskan oleh variabel lain selain variabel X 1, X 2, dan X 3. Menurut Suliyanto 2005: 65 terdapat kecocokan model antara variabel bebas dengan variabel terikat apabila nilai sig 0,05. Berdasarkan tabel 8 dapat diketahui bahwa nilai signifikasi adalah 0,000 atau dengan kata lain kurang dari 0,05 yang artinya terdapat kecocokan model antara variabel bebas dengan variabel terikat. Hal ini berarti hipotesis yang disajikan peneliti bahwa terdapat pengaruh yang signifikan antara variabel bebas dengan variabel terikat terbukti kebenarannya.

4.4. Pembahasan Hasil Penelitian