Metode Analisis Data METODE PENELITIAN

3.5 Metode Analisis Data

Untuk mengetahui pengaruh giro, tabungan, deposito, dan jumlah pinjaman terhadap likuiditas perbankan, terlebih dahulu harus diketahui nilai rasio likuiditas yang digunakan, formulasinya sebagai berikut Lukman Dendawijaya 2001: 116-124 �� �� = � � � � � � � � � �� � ℎ� �� 3.5.1 Analisis Regresi Linear Berganda Analisis ini digunakan untuk menentukan ketepatan prediksi dan untuk melengkapi analisis sejauh mana hubungan yang kuat antara variabel terikat Y Bank Ratio, dan variabel bebas yaitu giro, tabungan, deposito, jumlah pinjaman X, maka dalam penelitian ini regresinya sebagai berikut: � = � + � � + � � + � � + � � + � Keterangan: Y = Variabel terikat yaitu Likuiditas LDR a = Konstanta b 1 -b 4 = Koefisien regresi variabel bebas ke- 1 sampai ke- 4 x 1 = Giro x 2 = Tabungan x 3 = Deposito x 4 = Jumlah pinjaman i = perbankan t = periode waktu e = Standar kesalahan 3.5.2 Uji Asumsi Klasik Setelah memperoleh model regresi linear berganda, maka selanjutnya dilakukan uji asumsi klasik. Uji asumsi klasik digunakan untuk memperoleh model regresi berganda yang tepat dan memenuhi standar, yaitu bersifat BLUE Best Linier Unbiased Estimator dengan kriteria memenuhi asumsi data normal, tidak ada multikolinearitas, tidak ada heterokestisitas, dan tidak ada autokorelasi. 3.5.2.1 Uji Normalitas Menurut Santoso 2002:212, tujuan uji normalitas adalah untuk menguji apakah dalam sebuah model regresi, variabel bebas, variabel terikat atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang tidak baik adalah distribusi data normal atau mendekati normal. Metode yang digunakan untuk menguji normalitas adalah dengan menggunakan uji Kolmogorov-Smirnov terhadap nilai standar residual hasil persamaan regresi. Apabila probabilitas hasil uji Kolmogorov-Smirnov lebih besar dari 0,05 5 maka distribusi normal dan sebaliknya terdistribusi tidak normal. 3.5.2.2 Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi 1 ditemukan adanya korelasi antar variabel independen. Dengan adanya multikolinearitas maka standart error untuk masing-masing variabel independen tidak dapat terdeteksi. Dalam penelitian ini, untuk mendeteksi adanya multikolinearitas pada model regresi linear berganda dapat digunakan dengan cara sebagai berikut Gujarati, 2003:65: a. Dengan melihat matriks korelasi korelasi antar variabel bebas, yaitu jika korelasi antar variabel melebihi 0,50 maka diduga terdapat gejala multikolinearitas. b. Melihat pada nilai Variance Inflation Factor VIF dan tolerance, jika nilai VIF 10 atau nilai tolerance 0,10 maka terdapat multikolinearitas. Apabila terjadi multikolinearitas, maka ada beberapa cara untuk mengatasinya sebagai berikut Supranto,2004:29-34: a. Adanya informasi sebelumnya a priori information b. Menggabungkan data cross section dan time series c. Mengeluarkan satu variabel atau lebih dan kesalahan spesifikasi d. Transformasi variabel-variabel e. Penambahan data baru 3.5.2.3 Uji Heterokedasisitas Uji heterokedasisitasdas bertujuan untuk menguji apakah dalam model regresi 1 terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homokedasisitas dan jika berbeda disebut Heterokedasisitas. Heterokedasisitas ini dapat mengakibatkan model regresi tidak efisien. Dan untuk mendeteksi adanya Heterokedasisitas maka penelitian ini menggunakan menggunakan uji koefisien korelasi Rank spearman yaitu mengkorelasikan antara absolute residual hasil regresi dengan sebuah variabel bebas. Apabila probabilitas hasil korelasi lebih besar dari 0,05 5, maka persamaan regresi non-homoskedastisitas. 3.5.2.4 Uji Autokolerasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan periode t-1 sebelumnya. Jika terjadi korelasi, maka terdapat gejala autokorelasi. Gejala autokorelasi dapat mengakibatkan hasil regresi tidak efisien karena varians atau standart error of estimate tidak minimum dan menjadikan tes signifikansi tidak akurat, namun hasil regresi tetap tidak bias. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2005. Dalam penelitian ini untuk mendeteksi adanya autokorelasi dengan menggunakan uji Durbin Watson Test. Untuk mendeteksi adanya gejala autokorelasi maka dilakukan dengan cara sebagai berikut Santoso, 2002:28 a. Angka D-W dibawah -2 berarti ada autokorelasi positif. b. Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi. c. Angka D-W diatas +2 berarti ada autokorelasi negatif. Apabila terjadi autokorelasi maka hal tersebut dapat diatasi dengan: a. Melakukan transformasi data. b. Menambah data observasi. 3.5.3 Uji Hipotesis Pengujian hipotesis pada suatu penelitian merupakan prosedur yang akan menghasilkan suatu keputusan yaitu keputusan menerima atau menolak hipotesis itu. Dalam pengujian hipotesis, keputusan yang dibuat mengandung ketidakpastian artinya keputusan bisa benar atau salah Hasan, 2002:54. Pengujian hipotesis dalam penelitian ini adalah: a. Uji t uji parsial Uji t digunakan untuk menguji signifikasi konstanta dari variabel bebas secara parsial atau individual terhadap variabel terikat. Pengujian ini dilakukan dengan cara membandingkan nilai t hitung dengan t tabel . Apabila t hitung t tabel dengan signifikasi dibawah 0,05 5, maka secara parsial atau individual variabel bebas berpengaruh signifikan terhadap variabel terikat, begitu juga sebaliknya. Rumus t hitung : = � � Dimana: b i : Koefisien regresi Sb i : Standar error koefisien regresi Kreteria pengambilan keputusan: Jika t hitung p 0,05 maka Ho ditolak. Jika t hitung p 0,05 maka Ho diterima b. Uji F uji simultan Uji F digunakan untuk menguji variabel-variabel bebas secara bersama-sama simultan terhadap variabel terikat. Pengujian ini dilakukan dengan cara membandingkan nilai F hitung dengan F tabel . Apabila F hitung F tabel dengan sigifikasi dibawah 0,05 5 maka secara bersama-sama simultan variabel bebas berpengaruh signifikan terhadap variabel terikat, begitu juga sebaliknya. Rumus yang dikemukakan oleh Sugiyono 2004:190 untuk mengetahi F hitung , yaitu: � ℎ� �� = � − − � − Dimana: � ℎ� �� = Hasil hitung � = Koefisien determinasi n = Jumlah sampel k = Jumlah variabel bebas independent variable Kriteria pengambilan keputusan Jika � ℎ� �� p 0,05 maka Ho ditolak Jika � ℎ� �� p 0,05 maka Ho diterima Bila Ho ditolak maka Ha diterima berarti variabel-variabel bebas yang diuji mempunyai hubungan yang bermakna dengan variabel terikat.

3.6 Kerangka Pemecahan Masalah